神经架构搜索（NAS）吸引了很多关注，并且在过去的几年中被证明可以在大量应用中带来明显的好处。 网络拓扑和网络规模已被视为深度学习模型性能的两个最重要方面，并且社区为神经体系结构的这两个方面催生了许多搜索算法。 但是，这些搜索算法的性能增益是在不同的搜索空间和训练设置下实现的。 这使得算法的整体性能无与伦比，并且对搜索模型的子模块的改进尚不清楚。 在本文中，我们提出了NATS-Bench，这是（几乎）任何最新的NAS算法在搜索拓扑和大小时的统一基准。 NATS-Bench在三个数据集中包含用于结