論文地址：https://arxiv.org/abs/1611.01578
1. 論文思想
強化學習，用一個RNN學一個網絡參數的序列，然后將其轉換成網絡，然后訓練，得到一個反饋，這個反饋作用於RNN網絡，用於生成新的序列。
2. 整體架構
3. RNN網絡
4. 具體實現
因為每生成一個網絡，都會訓練一遍，Google用了800個GPU，訓練了12800個網絡，它采用的是分布式訓練的方法。
5. 結論
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。
猜您在找
論文筆記系列-Neural Architecture Search With Reinforcement Learning
論文筆記：Progressive Neural Architecture Search
論文筆記：Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells
論文筆記：ProxylessNAS: Direct Neural Architecture Search on Target Task and Hardware
論文筆記：DARTS: Differentiable Architecture Search
論文筆記系列--MnasNet：Platform-Aware Neural Architecture Search for Mobile
論文筆記系列-Auto-DeepLab:Hierarchical Neural Architecture Search for Semantic Image Segmentation
論文筆記：Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation
論文筆記系列-Efficient Neural Architecture Search via Parameter Sharing
論文筆記之：Deep Reinforcement Learning with Double Q-learning