cgp-cnn:设计CNN架构的遗传程序设计方法，在GECCO 2017中（口头演示，最佳论文奖）

基于笛卡尔遗传规划的卷积神经网络架构设计 该存储库包含以下论文的代码： Masanori Suganuma，Shinichi Shirakawa和Tomoharu Nagao，“设计卷积神经网络体系结构的遗传编程方法”，遗传与进化计算会议论文集（GECCO '17），第497-504页（2017） 要求 我们将框架用于神经网络，并在以下环境中进行了测试： 链接器版本1.16.0 GPU：GTX 1080或1070 Python版本3.5.2（anaconda3-4.1.1） 版本在 用法 运行架构搜索 该代码可以使用与GECCO 2017论文相同的设置来重现CIFAR-10数据集的实验（默认情况下）。 （训练）数据分为训练和验证数据。 验证数据用于将适应性分配给生成的体系结构。 我们将最近10个时间段内的最大验证准确性用作适应度值。 如果您将白皮书中描述的ResSet作为功