CVPR这个方法跟DARTS方法很像
前言
假如说
一个CNN 一般有几个参数
- 卷积核大小
- strip的个数
假如说 咱们上面两个超参数都有三个选项
那一共就有9种
假如说 咱们一共有20层
那么 我们的可能性就是
$$9^{20}$$
ok 大致情况说明白了
super net
来看看一个层
输入一个x
输出 9个模块处理的效果
然后通过这九个模块的处理结果 加权和 就能输出z
针对于 每个层来说
可训练的参数 有 每个模块的权重参数
还有 9个加权和的权重
而针对于 层与层之间 层内的参数是不共享的
总的来看
模型训练
这样 就能确定要 我们需要的路径
还有一条路（考虑时延）
latency 延迟
模块的平均时延
总的时延
实验添加损失函数的方法
总的来看
