NASNet:Learning Transferable Architectures for Scalable Image Recognition 學習可伸縮的圖像識別的可轉移架構

1,說明     神經網絡圖像分類模型的建立通常需要大量的結構工程。此篇論文研究了一種在感興趣的數據集上直接學習模型體系結構的方法.由於這種方法在數據集較大時開銷較大，因此作者建議在小數據集上搜索架構構建塊，然後將該塊轉移到更大的數據集。 這項工作的關鍵貢獻是一個新的搜索空間(稱之爲「NASNet搜索空間」)的設計，它支持可轉移性。實驗中，在CIFAR-10數據集上搜索最佳的卷積層(或「單元」)，

>>阅读原文<<