neural-architecture-search

Biblioteca de AutoML para aprendizaje profundo

Una lista seleccionada de artículos, publicaciones, tutoriales, diapositivas y proyectos de aprendizaje automático automatizado (AutoML).

IA en camino. Un sueño utópico de aprendizaje profundo automático. Un enfoque RDBMS para el aprendizaje profundo. Declarativo, explicable, escalable, optimizable, fácil de implementar y todo lo bueno.

Machine Learning automatizado en Kubernetes

Un framework y kit de herramientas de AutoML para aprendizaje automático en grafos.

Aprendizaje rápido y sencillo de estructuras de redes profundas con recursos limitados

Esta es una lista de artículos y proyectos interesantes sobre TinyML.

[NeurIPS 2020] MCUNet: Aprendizaje profundo diminuto en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches eficiente en memoria para aprendizaje profundo diminuto; [NeurIPS 2022] MCUNetV3: Entrenamiento en dispositivo con menos de 256 KB de memoria.

[NeurIPS 2020] MCUNet: Aprendizaje profundo ligero en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches con uso eficiente de memoria para aprendizaje profundo ligero

NASLib es una biblioteca de Neural Architecture Search (NAS) diseñada para facilitar la investigación en NAS, proporcionando interfaces para diversos espacios de búsqueda y optimizadores de vanguardia.

Una interfaz unificada para algoritmos de optimización y experimentos