神经架构搜索（NAS）是一种自动化方法，通过优化算法寻找适合神经网络的网络架构。

典型的方法包括强化学习、进化算法或可微架构搜索方法。

搜索空间定义了可能的架构，例如层的数量和类型、连接方式或超参数。

NAS同时优化性能（例如准确率）和效率（例如计算成本），因此能够生成比手工设计架构更优的模型。

一个重要方面是搜索时间与模型质量之间的平衡，因为NAS通常计算量很大，常采用代理模型或权重共享等技术来加速搜索。