従来はすべてひっくるめて学習をしており、バッチノーマライゼーションのパラメータのみを学習するフレームワークに新規性がある。最初にパスの探索を行う。畳み込み、バッチノーマライゼーション、reluを1ブロックとして何層も形成し、それぞれの層から1ブロック選択して、1パスを取得する。それの組み合わせを多数作りそれぞれで学習を行う。次にどのパスが最も精度の良かったパスを取得して、最後に再学習を行う。

この一連の学習を実行することによって、比較対象としているSPOSで学習に100エポックかかっていたところを10エポックプラスアルファで完了し、探索に1GPU/日だったところを0.14CPU/秒で終了するという結果となった。