MetaQNN : 與Google同場競技，MIT提出基於Q-Learning的神經網絡搜索 | ICLR 2017

論文提出MetaQNN，基於Q-Learning的神經網絡架構搜索，將優化視覺縮小到單層上，相對於Google Brain的NAS方法着眼與整個網絡進行優化，雖然準確率差了2～3%，但搜索過程要簡單地多，所以才能僅用100GPU days就可以完成搜索，加速240倍。論文本身是個很初期的想法，可以看到搜索出來的網絡結構還是比較簡單的，也需要挺多的人工約束。整體而言，論文的輸出的搜索思想還是很重要的

>>阅读原文<<