粗读C2FNAS: Coarse-to-Fine Neural Architecture Search for 3D Medical Image Segmentation

        Neural Architecture Search的大致思路是通过训练，让模型学会找到适合该任务的模型。即以往的任务是训练模型应付某种任务，而模型如何确定主要靠人。而NAS则是用模型来确定新模型。

        本文的搜寻方式分两步，第一步是粗搜寻，主要是确定拓扑结构，第二步是精搜寻，确定每个拓扑节点应该采用什么具体操作。在此基础上，作者发现医学图像方面变现优异的网络主要是U型的，并含有跳过连接（skip connection，就上图中横过来的那些线），最经典的就是Unet，因此作者给第一步搜寻加了限定，删去了不可能经过的结点并要求网络结构必须是U型。

        在粗搜寻中，降采样和上采样时，维度不能剧烈变化，因此删去途中灰色的点。同时，因为拓扑路径必须为U型，因此途中橙色路径不合法，而绿色路径合法。

        在确定结构之后，便继续搜寻每个节点应该采用什么操作，而上图中，右边的图分辨展示了单输入和双输入的节点处理数据的方法。P3D是啥见链接