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，包括width（channels数）、depth(网络深度)、resolution输入分辨率。
作者通过实验表明，只改变其中一个维度，acc的提升很容易就饱和了，如何同时改变三个维度，使得acc和flops达到一个trade-off，就是本文的内容。
作者提出的一种缩放方法。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
，所以增加的计算量大概为 
下面是作者以MBConv+SE模块搜索出来的一个结构。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，调整
，得到B1至B7的一系列网络（具体实验结果可参考原文）。
值得注意的是，这个网络中，降采样用conv+str2代替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
