ENAS：面向资源受限微控制器的硬件感知 TinyML NAS 框架
原标题：ENAS: An Efficient Hardware-Aware Neural Architecture Search Framework for TinyML on Resource-Constrained Microcontrollers
AI 摘要
该论文提出 ENAS，一个面向资源受限微控制器的硬件感知神经架构搜索（NAS）框架，可在无 GPU 环境下运行。ENAS 在 NanoNAS 基础上引入静态可行性检查、支持标准/深度可分离/瓶颈块及可选跳跃连接的 cell 搜索空间，以及随机采样、top-k 选择、局部变异三阶段混合搜索策略，并带跨运行缓存。在 Visual Wake Words 和 Melanoma Cancer 两个 TinyML 基准、八种 MCU 和九种输入分辨率上评估，搜索时间显著加速，所选模型峰值激活 RAM 更低，并在 STM32H743 上取得优于贪心 CPU 基线的测试精度，框架已开源。
正文节选
Copyright for this paper by its authors. Use permitted under Creative Commons License Attribution 4.0 International (CC BY 4.0). SuRE’26: 1st Workshop on Sustainability and Resource-Efficiency of Artificial Intelligence, co-located with IJCAI 2026, August 17, 2026, Bremen, Germany [email=moinkhanmohd@iisc.ac.in, ] [email=snaman@iisc.ac.in, ] [email=samy@iisc.ac.in, ] \cormark[1] [1]Corresponding author. ENAS: An Efficient Hardware-Aware Neural Architecture Search Framework for TinyML on Resource