NAS システムは，つぎのように設計されている：
テンプレートは，コードや DSL（ドメイン特化言語）で記述されていて，
コントローラは，それを読み取って，設計空間内で有効なアーキテクチャを生成する
最近の NAS の実装は，ほとんどが Python ベース。
「ユーザがコントローラを使う」は，
Python をインフラにして，
Python プロンプトで対話する
が，これの形になる。
即ち，
Python のコードとしてテンプレートを定義し，
コントローラを呼び出して，
結果を得る
という流れ。
例１
<![CDATA[python
# テンプレートや探索空間を定義
search_space = {
"num_layers": 6,
"operations": ["conv3x3", "conv5x5", "maxpool", "skip"],
"channels": [16, 32, 64],
"activations": ["relu", "tanh"]
}
# コントローラの初期化
controller = TransformerController(search_space)
# アーキテクチャを生成
arch = controller.sample_architecture()
# 結果を表示
print("Generated architecture:", arch)]]>
例２
<![CDATA[python
# 擬似コードの例
template = {
"num_layers": 6,
"layer_type": ["conv", "pool", "fc"],
"kernel_size": [3, 5, 7],
"activation": ["relu", "tanh"]
}
# コントローラはこのテンプレートをもとに，
# 具体的な構成を出力
model_design = controller.generate(template)]]>
○ ユーザがコントローラを使う手順
1. テンプレートや条件を用意する
これは，「設計のルールブック」みたいなもの。
たとえば，ユーザが「画像分類モデルを作りたい」と思ったとする。
そのとき，テンプレートにはつぎのような情報を入れる：
入力画像サイズ（例：224×224）
出力クラス数（例：1000）
使用可能な演算（Conv3x3, MaxPool, ReLU など）
モデルの最大深さやパラメータ数の制限
モバイル向けか，サーバ向けか（制約条件）
2. コントローラにテンプレートを渡す
ユーザは，テンプレートをコントローラに入力する。
コントローラはそれを読み取って，「この条件なら，こういう構造が良さそうだ」と判断し，アーキテクチャを出力する。
たとえば，出力はこんな感じ：
<![CDATA[[Conv3x3-32, ReLU, Conv3x3-64, ReLU, MaxPool, FC-1000]]]>
あるいは，もっと複雑な DAG（グラフ）構造になることもある。
🏗️
3. 出力されたアーキテクチャを構築する
この出力をもとに，実際のニューラルネットワークを構築する。
PyTorch や TensorFlow などのフレームワークで，コードに変換する。
<![CDATA[python
# 擬似コード（PyTorch風）
model = nn.Sequential(
nn.Conv2d(3, 32, kernel_size=3),
nn.ReLU(),
nn.Conv2d(32, 64, kernel_size=3),
nn.ReLU(),
nn.MaxPool2d(2),
nn.Flatten(),
nn.Linear(64 * 56 * 56, 1000)
)]]>
ユーザがやることは：
- テンプレートを定義する（設計ルールを決める）
- コントローラに渡す（「この条件でモデル作って」と頼む）
- 出力されたアーキテクチャを使ってモデルを構築する
備考
最近では，GUI（グラフィカルなインターフェース）や Web ベースの NAS ツールも増えてきていて，Python を直接書かなくても使えるようになってきている。
たとえば：
・AutoKeras：
Keras ベースの NAS ライブラリ。簡単な関数呼び出しで使える。
・NNI (Neural Network Intelligence)：
Microsoft が開発した NAS & ハイパーパラメータ最適化ツール。YAML で設定できる。
・Google AutoML：
GUI で操作できるクラウドベースの NAS サービス。
|