Learning Transferable Architectures for Scalable Image Recognition

Abstract 開發神經網絡圖像分類模型通常需要重要的架構工程。 在本文中，我們研究了一種直接在感興趣的數據集上學習模型體系結構的方法。由於這種方法在數據集很大時很昂貴，我們建議在小型數據集上搜索架構構建塊，然後將塊傳輸到更大的數據集。這項工作的關鍵貢獻是設計了一個新的搜索空間（我們稱之爲「NASNet搜索空間」），它可以實現可轉移性。 在我們的實驗中，我們在CIFAR-10數據集上搜索最佳卷積

>>阅读原文<<