返回 AI 工具目录
Archai
开发框架人工精选最近核验 2026年7月24日
Archai 是微软研究院开源的神经架构搜索(NAS)框架,用 Python 与 PyTorch 实现,目标是让架构搜索可复现、模块化、易扩展。它提供搜索空间定义(含 Transformer)、多目标进化搜索(EvolutionParetoSearch),以及面向时延、内存、参数量的性能评估器,产出帕累托前沿上的候选架构,并附文本生成、人脸分割等端到端任务示例。需 Python 3.8+ 与 PyTorch 1.7+,许可证 MIT,v1.0.0 于 2023 年发布,仓库仍有维护提交。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 把神经架构搜索做成可复现、模块化流程
- 多目标进化搜索兼顾时延、内存与参数量
- 产出帕累托前沿上的候选架构供权衡
- 附文本生成、人脸分割等端到端任务示例
适合
- 需在时延/内存约束下搜模型结构的研究团队
- 做 NAS 方法对比与复现的学术或工程场景
- 已用 PyTorch 且熟悉架构搜索的团队
不适合
- 面向 NAS 研究,不是通用自动调参平台
- 需 PyTorch 1.7+ 与 GPU 资源才实用
- 不接受把搜索成本与工程门槛外包的团队
- 非深度学习模型的搜索场景不适用
如何接入
- 以 Python 库嵌入 PyTorch 训练与评估流程
- 需 Python 3.8+ 与 PyTorch 1.7+ 环境
- 搜索空间、搜索算法、评估器可分别组合
已知限制
- 架构搜索计算开销大,需可观 GPU 预算
- 偏研究框架,产线落地需自行工程化
- 文档与示例聚焦特定任务,泛化需自行适配
- 新依赖兼容性建议按官方版本约束验证
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引