詳細解釋
NAS（Neural Architecture Search）是用AI自動搜尋神經網路架構，取代人工設計，尋找最佳模型結構。
搜尋空間：
- 宏觀：整體結構（層數、連接）
- 微觀：單層操作（卷積核、激活）
- 混合：結合兩者
搜尋策略：
- 基於強化學習：策略網路生成架構
- 基於進化：變異、選擇、遺傳
- 基於梯度：DARTS等可微搜尋
- 基於貝葉斯優化：高效採樣
評估：
- 從頭訓練：準確但慢
- 權重共享：快速估計
- 代理任務：小數據集預篩選
- 預測器：預測架構性能
代表工作：
- NASNet：開創性工作
- EfficientNet：複合縮放
- MobileNetV3：硬體感知NAS
- Vision Transformer：也開始NAS優化
挑戰：
- 計算成本：搜尋需大量資源
- 搜尋空間設計：先驗知識仍重要
- 可遷移性：搜尋結果跨任務適用性
是AutoML的核心組件，讓模型設計自動化。