2019年由Google大腦團隊提出，論文位址：MnasNet: Platform-Aware Neural Architecture Search for Mobile
比MobileNet精度和實時性更高的模型，用強化學習搜尋出來的深度卷積神經網絡，主要優化目标有兩個，識别準确率和CPU運算延遲。
圖36 神經架構搜尋
其中，模型隻在ImageNet上簡單跑“5個epochs”，然後轉換成TFLite，再在Pixel 1上用單CPU核測試“延遲”。是以搜尋出來的8K個模型，大多數也還是沒在ImageNet上完整訓練過，隻有最好的<15個模型，進行了完整的ImageNet或COCO的訓練。
圖37 MnasNet
搜尋得到基線結果MnasNet中的五種層的結構，有兩種分别于MobileNet V1 V2中的層相同，證明了人工設計的确實優秀。
pytorch實作
借助了倒殘差結構，沒有用SE子產品。