[CVPR2018筆記]Practical Block-wise Neural Network Architecture Generation

來自專欄 CVPR 2018 論文筆記

CVPR 2018 oral一篇

本文主要提出了通過封裝模塊（block-wise）的方法，運用增強學習設計生成網路架構的方法。

封裝模塊思路：

作者本人對增強學習和動態規劃理解有限，模塊生成的總體思路是Q-Learning及動態規劃，其中提到了運用reward shaping優化設計過程，當是本文亮點之一

設計完網路後，生成對應任務的準確率，作為q-value（即reward），然後再次重新生成網路。

此外，文章還提到了部分trick：

1，在reward中將複雜度和計算複雜度納入

2， early-stopping