v1
论文地址：https://arxiv.org/abs/1905.11946
网络深度、宽度和图像分辨率，进行了栅格搜索（Grid Search），找到了最优的几种搭配。
v2
论文地址：https://arxiv.org/abs/2104.00298
- Fused-MBConv 到搜索空间中
Fused-MBConv使用的常规3*3卷积虽然参数更多，但是能更好的适应硬件加速，速度反而更快；搜索Fused-MBConv的配比。
- 渐进式学习
一种训练策略，从低分辨率图像开始训练，然后逐步增加图像分辨率。有助于更快地收敛；
- 自适应正则化
随着图像分辨率的增加，正则化强度也会相应增加，从而避免过拟合；Dropout、RandAugment（图像数据增强）和Mixup（标签图片混合，即透明覆盖）三个方面；
参考博客：
图像分类】【深度学习】【轻量级网络】【Pytorch版本】EfficientNet_V2模型算法详解_efficientnetv2-CSDN博客经典CNN模型（十三）：EfficientNetV2（PyTorch详细注释版）-CSDN博客
