论文阅读：《Neural Architecture Search without Training》

pdf链接

前情提要：
手工设计deep neural network耗时耗力。
NAS（Neural Architecture Search，神经架构搜索）技术应运而生。
然而，NAS也很慢很贵（贵指时间、算力上的贵）。主要原因是，每当NAS搜索出一个架构时，都要设法评估这个架构的性能。这通常需要从头训练整个网络。
如果我们可以仅凭架构本身就判断它的性能，就能够省去很多时间和算力。

---

作者提供了开源项目：https://github.com/BayesWatch/nas-without-training
现理解一下他的代码。

环境安装：
在项目目录下的env.yml的最后一行

                # - "--editable=git+https://github.com/google-research/nasbench#egg=nasbench-master" # 安装时会发生名称不一致的错误
                - "--editable=git+https://github.com/google-research/nasbench#egg=nasbench"

另外还需要去掉tensorflow-gpu==1.15.0的版本限制，只留tensorflow-gpu。暂不明确这样做是否有兼容性问题。
修改后再按Readme执行conda env create -f env.yml即可。