NASNet:Learning Transferable Architectures for Scalable Image Recognition 学习可伸缩的图像识别的可转移架构
1,说明神经网络图像分类模型的建立通常需要大量的结构工程。此篇论文研究了一种在感兴趣的数据集上直接学习模型体系结构的方法.由于这种方法在数据集较大时开销较大，因此作者建议在小数据集上搜索架构构建块，然后将该块转移到更大的数据集。这项工作的关键贡献是一个新的搜索空间(称之为“NASNet搜索空间”)的设计，它支持可转移性。实验中，在CIFAR-10数据集上搜索最佳的卷积层(或“单元”)，然后将这个单