devol：使用Keras进行遗传神经体系结构搜索

DEvol-深度神经网络演进 DEvol（DeepEvolution）是Keras中进行遗传结构搜索的基本概念证明。 当前设置是为解决分类问题而设计的，尽管可以将其扩展为包括任何其他输出类型。 有关简单示例，请参见example/demo.ipynb 。 演化 每种模型都表示为固定宽度的基因组，其编码有关网络结构的信息。 在当前设置中，模型包含多个卷积层，多个密集层和一个优化器。 卷积层可以演变为包括不同数量的特征图，不同的激活函数，不同比例的辍学以及是否执行批量归一化和/或最大池化。 除最大池化外，相同的选项可用于密集层。 这些模型的复杂性可以轻松扩展到这些功能之外，以包括Keras中包含的任何参数，从而允许创建更复杂的体系结构。 以下是高度简化的可视化图，显示了两个模型之间如何发生遗传交叉。 神经网络的遗传交叉和变异 结果 为了进行演示，我们在MNIST数据集上运行了程序（示例设置请参见demo.ipynb ），具有20个世代，种群大小为50。我们允许模型最多包含6个卷积层和4个密集层（包括softmax层） 。 在这些约束条件下，经过10个训练周期，我们获得的最佳准确性为