神經架構搜尋 是什麼？
Neural Architecture Search — 神經架構搜尋 的完整解釋
神經架構搜尋(NAS)是一種自動化設計神經網路架構的技術，旨在尋找在特定任務上表現最佳的模型結構，無需人工手動設計。
容易混淆
神經架構搜尋 vs 超參數調校 神經架構搜尋：找網路結構 超參數調校：找學習率、批次大小等設定 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
神經架構搜尋 vs 手工設計 神經架構搜尋：用搜尋機制自動嘗試 手工設計：靠工程師經驗與直覺 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
不是只調數值，是連骨架都一起找。
實際案例
影像模型 自動找出更省參數、準確率也夠高的卷積結構。
手機端部署 在算力有限的情況下，搜尋更小更快的模型架構。
算法與應用
NAS 的關鍵是搜尋空間設計，空間太大會算不動，太小又找不到好結構。 常見方法有強化學習、進化演算法、貝氏最佳化、和梯度式方法。 它的代價通常很高，所以才需要更有效率的搜尋策略。
情境判斷
Q1（直覺題）：你只想調學習率，不想換模型結構，該做什麼？ → 超參數調校，不是神經架構搜尋。
Q2（判斷題）：如果搜尋空間太大，結果一直算不完，問題通常在哪？ → 搜尋成本太高，空間設計需要縮小或分層。
相關術語
常見問題
NAS 一定比人工設計好嗎？
不一定，搜尋成本和資料條件都會影響結果。
它很耗算力嗎？
通常很耗，這也是它最大的門檻。
它和 AutoML 有什麼關係？
NAS 是 AutoML 裡專門負責架構設計的一塊。