第6章 实践与应用

第 6 章 · 实践与应用

章节摘要：NAS 落地靠工具。本章聚焦实践：先盘点 NAS 实现框架与工具生态——通用框架库（NASLib、Auto-PyTorch、NNI、AutoKeras）、专门 NAS 平台（Google Cloud AutoML、SageMaker Autopilot、Azure Automated ML）、开源基准（NAS-Bench-101/201、NATS-Bench），再讲从问题定义到模型部署的完整实践流程，最后总结 NAS 当前的挑战与趋势。读完本章，你能根据自己"做研究还是做产品"的定位选对工具，并按七步流程组织一次能复现的 NAS 实验。

第 6 章是全教程的收束章，也是"对比驱动"主调的最终落点。前五章积累的所有判断力——搜索空间怎么画、策略怎么选、评估怎么配、约束怎么加——在这一章全部转化为可操作的选择：选哪个框架、怎么配置搜索空间、评估器用哪档、约束怎么设。一个实用的阅读建议：把第 6.1 节的框架对比表打印出来或抄一遍，读前五章时每遇到一个概念，就在表上标注"这个概念在哪个框架里有对应实现"——这张表会变成你后续做 NAS 实验时的索引。

本节要回答的问题

阅读完本章，你应当能够：

1. 说出 NAS 工具生态的三个层次（通用库、专门平台、开源基准）各自的定位与代表
2. 对比 NASLib、NNI、AutoKeras、Auto-PyTorch 的特点，为自己选型
3. 理解 NAS-Bench 系列基准为什么能"免训练评估"算法，并会用其做对比实验
4. 按"问题定义→搜索空间→搜索算法→评估策略→搜索循环→训练验证→部署"七步组织实践流程
5. 说出 NAS 落地时在搜索空间设计、评估准确性、可解释性、泛化能力上的现实挑战

六个学习目标里，前三个考察"工具知识"，后三个考察"流程能力"。需要强调的是，目标 4 与目标 5 比前三个更重要——工具会迭代、会过时，但"先算预算再启动、定稿必须完全训练、空间必须包含基线"这些流程纪律，是任何工具时代都不会过期的硬功夫。判断你是否真的掌握了本章，标准不是"背得出几个框架名"，而是"能不能从零给一个具体任务设计出完整的 NAS 实验方案"。读完 6.1 节后，试着拿你自己的一个任务走一遍七步流程，走不通的地方就是需要回补的概念点。

核心概念速览

金句：框架把 NAS 从"手搓三个子系统"降到"配置几个模块"，但搜索空间与评估策略的判断仍然要靠你自己——工具不替你思考。

这张全景图的三个分支对应三类使用者。左侧"框架库"（NASLib、NNI、AutoKeras）服务的是要亲手控制搜索过程的人——研究者选 NASLib，工程师选 NNI，初学者选 AutoKeras，差异在控制力与易用性的权衡。中部"平台"（云 AutoML）服务的是只要结果不要过程的人——上传数据拿模型，代价是搜索过程黑盒。右侧"基准"（NAS-Bench）服务的是要比较算法的人——免训练评估让新算法能在一小时内跟旧算法对表。三条分支对应第 1 章讲过的"民主化"承诺：NAS 不再只是少数研究者的玩具，而是研究者、工程师、业务人员各取所需的工具。读完全章后，你应该能说清自己属于哪个分支，并据此选对工具。

子章节导航

6.1 NAS 实现框架与工具

通用框架库、专门工具平台、开源基准三层生态的展开；NASLib 的模块化设计、NNI 的可视化与多框架支持、AutoKeras 的低门槛、NAS-Bench 的免训练比较，以及选型考虑因素。

子章节之间的逻辑关系

6.1 工具与框架（有什么可用）
    │
    ▼
（实践流程：问题定义 → 空间设计 → 算法选择 → 评估选择 → 循环 → 训练 → 部署）
    │
    ▼
（挑战与趋势：空间设计依赖经验、评估精度、可解释性、泛化）
​

第 6 章只有一节实体内容，它把前五章的概念全部"接上电源"：工具提供载体，流程串起方法，挑战提醒你保持清醒。这章与前五章的关系值得多说几句：它不引入新概念，只把旧概念"翻译"成工具配置项——第 2 章的操作集合变成搜索空间的参数，第 3 章的搜索策略变成算法选择的下拉项，第 4 章的评估阶梯变成评估器的配置，第 5 章的约束变成目标函数里的惩罚项。读这章时，最有效的动作是"回译"：每看到一个配置项，问自己它对应第几章的哪个概念。能回译，说明前五章学扎实了；回译不出来，回去翻对应章节。

前置知识与后续延伸

• 前置知识：第 2-4 章的搜索空间/策略/评估概念；会配置 Python 环境、跑过基础训练脚本
• 后续延伸：本章是教程的收尾，指向两个方向——用 NASLib 复现 DARTS 跑通你自己的实验，或关注 NAS 与 AutoML 融合、硬件感知 NAS 的前沿

本章阅读提示

第 6 章是实践章节，建议"边读边做"。读完 6.1 的框架对比表后，选一个框架（初学者推荐 AutoKeras 或 NNI，研究者推荐 NASLib）装好环境，按七步流程跑一个最小实验——哪怕只是在小数据集上跑几十个候选。工具的使用体验只有上手才能获得：框架的文档质量、报错信息、并行支持，这些在纸面上都看不出来。实践时牢记两条纪律：先算预算再启动、最终架构必须完全训练——这是把第 4 章的方法论带到工具里的底线。

工具选型没有唯一答案，但对比维度是稳定的：算力门槛、搜索空间自由度、与既有训练代码的契合程度。把这三个维度想清楚，再动手装环境，能少走很多弯路。