论文地址：https://arxiv.org/abs/1611.01578
1. 论文思想
强化学习，用一个RNN学一个网络参数的序列，然后将其转换成网络，然后训练，得到一个反馈，这个反馈作用于RNN网络，用于生成新的序列。
2. 整体架构
3. RNN网络
4. 具体实现
因为每生成一个网络，都会训练一遍，Google用了800个GPU，训练了12800个网络，它采用的是分布式训练的方法。
5. 结论
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
论文笔记系列-Neural Architecture Search With Reinforcement Learning
论文笔记：Progressive Neural Architecture Search
论文笔记：Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells
论文笔记：ProxylessNAS: Direct Neural Architecture Search on Target Task and Hardware
论文笔记：DARTS: Differentiable Architecture Search
论文笔记系列--MnasNet：Platform-Aware Neural Architecture Search for Mobile
论文笔记系列-Auto-DeepLab:Hierarchical Neural Architecture Search for Semantic Image Segmentation
论文笔记：Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation
论文笔记系列-Efficient Neural Architecture Search via Parameter Sharing
论文笔记之：Deep Reinforcement Learning with Double Q-learning