PyTorch中的高效神经体系结构搜索（ENAS） 实现PyTorch实现。 ENAS通过在大型计算图中的子图模型之间共享参数，将（ NAS ）的计算需求（GPU小时）减少了1000倍。 关于Penn Treebank语言建模的SOTA。 ** [注意]请使用作者提供的官方代码：** 先决条件 Python 3.6+ tqdm，scipy，imageio，graphviz，tensorboardX 用法 安装必备组件： conda install graphviz pip install -r requirements.txt 要训​​练ENAS以发现RNN的复发细胞，请执行以下操作： python main.py --network_type rnn --dataset ptb --controller_optim adam --controller_lr 0.00035 \

通过改造神经网络图像的画方法，和生成gif的方法将原来的代码兼容性更好，同时还可以单独使用gif生成方法

该项目是对论文《参数共享的高效神经网络结构搜索（Efficient Neural Architecture Search (ENAS) via Parameters Sharing）》的实现。ENAS 做什么？高效神经网络结构搜索，即 ENAS 减少了计算需求，将 NAS 的 GPU 计算时间减少了 1000 倍。他们通过共享大型计算图中的子图模型之间的参数共享来完成此操作。 如何使用它的过程已经在 GitHub 页面上得到了很好的展示。实现这个库的先决条件是： Python 3.6+ 需要 PyTorch tqdm，imageio，graphviz，tqdm，tensorboardX