pdf連結

前情提要：
手工設計deep neural network耗時耗力。
NAS（Neural Architecture Search，神經架構搜尋）技術應運而生。
然而，NAS也很慢很貴（貴指時間、算力上的貴）。主要原因是，每當NAS搜尋出一個架構時，都要設法評估這個架構的效能。這通常需要從頭訓練整個網路。
如果我們可以僅憑架構本身就判斷它的效能，就能夠省去很多時間和算力。

作者提供了開源專案：https://github.com/BayesWatch/nas-without-training
現理解一下他的程式碼。

環境安裝：
在專案目錄下的env.yml的最後一行

                # - "--editable=git+https://github.com/google-research/nasbench#egg=nasbench-master" # 安裝時會發生名稱不一致的錯誤
                - "--editable=git+https://github.com/google-research/nasbench#egg=nasbench"
 

另外還需要去掉tensorflow-gpu==1.15.0的版本限制，只留tensorflow-gpu。暫不明確這樣做是否有相容性問題。
修改後再按Readme執行conda env create -f env.yml即可。