.png){kind=icon}
返回
DP-SWAP: Fast Swapping Strategy Based on Dynamic Programming
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2025.108071.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经架构搜索（NAS）已作为一种有效的方法用于自动化神经网络设计。然而，由于训练过程中需要评估大量候选模型，NAS会对GPU内存造成显著压力。虽然张量交换有助于减少内存使用，但现有的张量选择方法依赖于广泛的迭代搜索，这需要反复遍历模型计算图来评估交换方案的影响——导致高时间复杂度和在动态NAS场景中的可扩展性差。
Keyword:
Neural Architecture Search
GPU memory pressure
tensor swapping
model computation graphs
dynamic NAS scenarios
.png){kind=icon}
