Learning Transferable Architectures for Scalable Image Recognition

Abstract 开发神经网络图像分类模型通常需要重要的架构工程。 在本文中，我们研究了一种直接在感兴趣的数据集上学习模型体系结构的方法。由于这种方法在数据集很大时很昂贵，我们建议在小型数据集上搜索架构构建块，然后将块传输到更大的数据集。这项工作的关键贡献是设计了一个新的搜索空间（我们称之为“NASNet搜索空间”），它可以实现可转移性。 在我们的实验中，我们在CIFAR-10数据集上搜索最佳卷积

>>阅读原文<<