anb_models_0_9

Name: anb_models_0_9
Creator: Ahmad, Afzal
Published: 2023-04-12T00:00:00+08:00

Figshare2023-04-12 更新2026-04-08 收录

神经架构搜索

代理模型优化

数据链接：

https://figshare.com/articles/dataset/anb_models_0_9/22592374/1 数据链接链接失效反馈

官方服务：

资源简介：

XGB surrogate model files for AccelNASBench

提供机构：

Ahmad, Afzal

创建时间：

2023-04-12

NATS-Bench

神经架构搜索

基准测试

NATS-Bench是由悉尼科技大学计算机科学学院创建的一个统一基准，用于评估几乎所有最新的神经架构搜索（NAS）算法。该数据集包括15,625个拓扑结构候选和32,768个大小结构候选，适用于同时搜索架构的拓扑和大小。NATS-Bench通过在三个不同的数据集上训练每个架构多次，提供了每个架构的训练日志和性能信息，旨在为研究人员提供一个可比较和计算效率高的环境，以开发更好的NAS算法。

arXiv2021-01-26 更新740

NAS-Bench-CIFAR10-E

神经架构搜索

CIFAR-10

NAS-Bench-CIFAR10-E是一个用于神经架构搜索（NAS）的数据集，专门针对CIFAR-10数据集进行优化。该数据集包含了大量预训练的神经网络架构及其在CIFAR-10上的性能指标，如准确率、训练时间等。这些数据可以帮助研究人员和开发者快速评估和比较不同的神经网络架构。

github.com280

NAS-Bench-101

神经架构搜索

性能评估

该数据集是一个用于神经架构搜索的基准数据集，它使得评估在不同训练预算下的架构成为可能。该数据集已经使用300、600和900的训练预算进行了评估，其任务是神经架构搜索性能的评价。

arXiv140

ViT latency dataset

学习性能分析

神经架构搜索

ViT延迟数据集包含了1000个合成ViT的延迟测量数据，这些ViT具有代表性的构建块和最先进的架构，来自两个机器学习框架和六个移动平台。该数据集旨在帮助研究人员和开发者进行性能分析，并用于训练机器学习延迟预测器，以准确预测新ViT的推理延迟，应用于神经架构搜索和协作推理等领域。

arXiv2025-10-29 更新310

MNIST-1D

手写识别

神经架构搜索

该数据集是对MNIST-1D数据集的一维缩小版，其中的样本大小仅为原始MNIST数据集的二十分之一。尽管每个样本仅包含40个维度，但MNIST-1D在区分不同架构类型方面，表现得比其更大的版本MNIST更为出色。该数据集包含了4000个训练样本、1000个测试样本以及500个验证样本，适用于神经架构搜索和模型评估任务。

arXiv220

anb_models_0_9

资源简介：

相关数据集