MetaQNN : 与Google同场竞技，MIT提出基于Q-Learning的神经网络搜索 | ICLR 2017

论文提出MetaQNN，基于Q-Learning的神经网络架构搜索，将优化视觉缩小到单层上，相对于Google Brain的NAS方法着眼与整个网络进行优化，虽然准确率差了2～3%，但搜索过程要简单地多，所以才能仅用100GPU days就可以完成搜索，加速240倍。论文本身是个很初期的想法，可以看到搜索出来的网络结构还是比较简单的，也需要挺多的人工约束。整体而言，论文的输出的搜索思想还是很重要的

>>阅读原文<<