摘要

可微分神经架构搜索（DARTS）因其高效的搜索机制近年来受到广泛关注。然而，DARTS中候选操作之间的竞争会导致重要操作选择的不确定性显著增加，进而引发严重的性能下降问题。针对这一挑战，本文提出DU-DARTS方法，通过约束架构参数的分布趋近于独热（one-hot）分类分布，并用门控开关（gate switch）替代原有的零操作，有效降低了可微分架构搜索中的不确定性。该方法无需额外的搜索开销，在CIFAR-10、CIFAR-100和ImageNet数据集上分别取得了2.32%、16.74%和24.1%的测试误差，达到当前最优性能。此外，DU-DARTS在NAS-Bench-1Shot1和NAS-Bench-201基准上均能稳健地搜索到表现优异的网络架构，进一步验证了该方法的有效性。项目源代码已公开，地址为：https://github.com/ShunLu91/DU-DARTS。