CVPR 2021 NAS比赛启动报名 百度携手全球顶级高校助力AI竞技？

CVPR作为计算机视觉领域和模式识别领域的世界级学术顶级会议，不仅是展示前沿科技成果的学术会议，也是探索学术应用的一大平台。今年，百度联合澳大利亚悉尼科技大学和美国北卡罗来纳大学举办CVPR 2021 NAS workshop，同时于3月1日正式启动CVPR 2021 NAS国际竞赛，面向全球开发者开放报名通道。

人脸识别、语音识别、机器翻译每一项人工智能应用的背后都离不开AI技术算法模型，而神经网络结构对最终模型的效果起着至关重要的作用。为降低传统神经网络结构对人工经验和背景知识的依赖，近年来神经网络结构搜索(NAS)技术成为学术界和工业界研究的热点。为了解决神经网络结构搜索的搜索效率和效果问题，此次竞赛以轻量级神经网络结构搜索技术为研究课题，为全球挑战者切磋交流、打造前沿AI模型结构搜索技术提供了绝佳机会。

双赛道并行 探索NAS技术革新之道

早期的神经网络结构搜索通过将每个神经网络在训练数据上都训练到收敛，然后评估其效果，会耗费大量的算力资源，阻碍了在实际业务中的应用。因此，行业开始逐步研究使用基于微分框和超级网络的轻量级搜索算法，但相关方法在灵活性和搜索效果方面存在一定问题。

从实际技术研究中的关键问题出发，本次大赛特意设置了双赛道：超网络一致性赛道和模型性能预测赛道。参加者可以自由选择或同时参加两个课程。获胜的球队将被邀请在CVPR、NASworkshop上宣传球队的技术方案。

课程1:超网络一致性track

算法效率高，OneshotNAS成为研究者的研究热点。通过参数共享的方式，研究人员不再需要独立训练和评价每个子网的性能，只需要训练一个大的超网，然后通过继承超网参数的方式快速评价每个子网的性能，可以非常高效地自动检索模型结构。但是，独立训练子网络的性能、性能排序和子网络继承超网络参数的性能、性能排序存在很大偏差，因此检索结构性能差无法使用。本课程旨在解决超级网络的一致性问题。基于超网络性能与独立训练子网络性能最一致的队伍将获得冠军。

赛道二：模型性能预测track

在不训练的情况下，准确的预测任意模型结构性能非常重要。基于此，不仅可以深入分析模型结构的性能优劣，还可以预测符合任何硬件延迟约束的最佳模型结开发者_JS百科构。本场比赛提供了一部分模型结构与模型精度对应关系的benchthmark，参加选手可以用黑盒直接训练，也可以用白盒进行参数估计。最终预测泛化性能最好的模式团队将获得冠军。

技术、平台、免费计算能力百度全方位帮助AI竞技

作为人工智能技术领域的领导者和深耕者，百度在NAS领域优势和深刻的技术积累。目前，百度在NAS领域提出了GP-NAS(CVPR)和SA-NAS(IJCV)等多个AutoDL算法，使用开发的AutoDL技术在CVPR和ECCV等国际比赛中获得了世界第一。

百度在NAS领域还孵化了模型压缩工具PaddleSlim。这是基于飞桨PaddlePaddle打造的开源模型压缩工具库，囊括了深度学习模型压缩领域常用的量化、剪枝、蒸馏、模型结构搜索等方法，并且打造了CV和NLP领域的模型压缩方案。

通过本次竞赛，百度期待与全球开发商就NAS技术开展广泛沟通和学习，积极分享技术成果和心得。

百度桨作为中国首个自主开发、功能完善、开源开放的产业级深度学习平台，为本次竞赛参加者提供平台和GPU计算能力等技术支持，帮助AI人才打破参加的束缚。除了以赛促学、通过竞赛挖掘AI人才外，百度以飞桨为创新基座构建起涵盖学习、实践、比赛、认证、就业在内的全周期服务体系，已培养AI人才超100万。未来5年，百度还将培养超过500万人工智能技术与产业人才。

本次比赛不仅为每个赛道的冠军准备了总计10000美元的报酬，还在workshop中邀请了很多重量级嘉宾进行演讲。赛事于3月1日正式开启报名通道，想要进一步了解CVPR20NAS国际赛事详情及报名方式，可以进入workshop赛事页面查看详情。