论文： Zoph & Le. Neural architecture search with reinforcement learning. In ICLR, 2017.
使用RNN来生成神经网络结构，然后使用RL强化学习来训练RNN，目前该方法已经过时了
第一步预测某一层卷积核数量：
第二步：
将第一步p的变成one-hot向量：a1，然后通过一个嵌入层变成x1作为第二步的输入，输出filter的大小。
第三步：预测步长
至此，第一个卷积的超参数就获得了。
因为目标函数不可微，所以只能使用强化学习来训练rnn：
