https://arxiv.org/pdf/1905.11946.pdf

https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet

tf2实现https://github.com/calmisential/EfficientNet_TensorFlow2

扩展网络有三个维度，包孕width（channels数）、depth(网络深度)、resolution输入辨别率。

作者通过尝试表白，只转变此中一个维度，acc的提升很容易就饱和了，如何同时转变三个维度，使得acc和flops到达一个trade-off，就是本文的内容。

作者提出的一种缩放要领。网络深度增加一倍，flops变为之前的两倍；width或者resolution增加一倍，flops变为之前的四倍。

统一起来，增加的计算量。论文里限制，所以增加的计算量概略为 

下面是作者以MBConv+SE模块搜索出来的一个布局。首先固定，，即搜索出来的flops是之前的2倍，

得到一组最优值；

然后固定这三个参数，调解，得到B1至B7的一系列网络（具体尝试功效可参考原文）。

值得注意的是，这个网络中，降采样用conv+str2取代conv+maxpool（相当于flops变为了1/4）；用了5*5的卷积核，

减小了计算量，参考https://www.zhihu.com/question/326833457