NAS Bench 201
1.0.0
NASベンチ2011はNATSベンチに拡張されているため、このレポは廃止されており、維持されていません。 NATS-Bench-20101よりも5倍多くのアーキテクチャ情報とより速いAPIを備えたNATSベンチを使用してください。
固定された検索スペースを備えたアルゴリズムに依存しないNASベンチマーク（NAS-Bench-20101）を提案します。これは、ほぼすべての最新のNASアルゴリズムに統一されたベンチマークを提供します。私たちの検索スペースの設計は、セルが指示された非環式グラフとして表される最も人気のあるセルベースの検索アルゴリズムで使用されるものに触発されています。ここの各エッジは、事前定義された操作セットから選択された操作に関連付けられています。すべてのNASアルゴリズムに適用できるために、NAS-Bench-2010で定義されている検索スペースには、4つのノードと5つの関連操作オプションが含まれており、合計15,625のニューラル細胞候補を生成します。
このマークダウンファイルでは、次のことを提供します。
次の2つのことについては、AutoDL-Projectsを使用してください。
注： PyTorch >= 1.2.0およびPython >= 3.6.0を使用してください。
pip install nas-bench-201と入力してAPIをインストールするだけです。このリポジトリのnas-bench-201モジュールのソースコードをご覧ください。
ご質問や問題がある場合は、こちらに投稿するか、メールでお問い合わせください。
[非推奨] NAS-Bench-2012の古いベンチマークファイルは、Google DriveまたはBaidu-Wangpan（コード：6U5D）からダウンロードできます。
[推奨] NAS-Bench-2012（ NAS-Bench-201-v1_1-096897.pth ）の最新のベンチマークファイルは、Googleドライブからダウンロードできます。モデル重量のファイルが大きすぎる（431g）、アップロードするのに時間がかかります。我慢してください、ご理解いただきありがとうございます。
必要な場所に移動し、初期化のためにAPIにその道を送ることができます。
NAS-Bench-201-v1_0-e61699.pth （2.2g）。ここで、 e61699はこのファイルの最後の6桁です。各試験の訓練された重量を除くすべての情報が含まれています。NAS-Bench-201-v1_1-096897.pth （4.7g）、 096897はこのファイルの最後の6桁です。 NAS-Bench-201-v1_0-e61699.pthと比較して、より多くの試験の情報が含まれています。特に、すべてのデータセットで12個のエポックで訓練されたすべてのモデルは利用できます。 NAS-Bench-201-v1_1-096897.pthを使用することをお勧めします
NAS-Bench-2012で使用されるトレーニングおよび評価データは、Google DriveまたはBaidu-Wangpan（コード：4FG7）からダウンロードできます。これらのデータを$TORCH_HOME （ ~/.torch/デフォルトで）に入れることをお勧めします。 NAS-Bench-2010または同様のNASデータセットまたはトレーニングモデルを自分で生成したい場合は、これらのデータが必要です。
テストコードでは、より多くの使用法があります。
from nas_201_api import NASBench201API as API
api = API('$path_to_meta_nas_bench_file')
# Create an API without the verbose log
api = API('NAS-Bench-201-v1_1-096897.pth', verbose=False)
# The default path for benchmark file is '{:}/{:}'.format(os.environ['TORCH_HOME'], 'NAS-Bench-201-v1_1-096897.pth')
api = API(None)
len(api)と各アーキテクチャapi[i]表示します。 num = len(api)
for i, arch_str in enumerate(api):
print ('{:5d}/{:5d} : {:}'.format(i, len(api), arch_str))
# show all information for a specific architecture
api.show(1)
api.show(2)
# show the mean loss and accuracy of an architecture
info = api.query_meta_info_by_index(1) # This is an instance of `ArchResults`
res_metrics = info.get_metrics('cifar10', 'train') # This is a dict with metric names as keys
cost_metrics = info.get_comput_costs('cifar100') # This is a dict with metric names as keys, e.g., flops, params, latency
# get the detailed information
results = api.query_by_index(1, 'cifar100') # a dict of all trials for 1st net on cifar100, where the key is the seed
print ('There are {:} trials for this architecture [{:}] on cifar100'.format(len(results), api[1]))
for seed, result in results.items():
print ('Latency : {:}'.format(result.get_latency()))
print ('Train Info : {:}'.format(result.get_train()))
print ('Valid Info : {:}'.format(result.get_eval('x-valid')))
print ('Test Info : {:}'.format(result.get_eval('x-test')))
# for the metric after a specific epoch
print ('Train Info [10-th epoch] : {:}'.format(result.get_train(10)))
index = api.query_index_by_arch('|nor_conv_3x3~0|+|nor_conv_3x3~0|avg_pool_3x3~1|+|skip_connect~0|nor_conv_3x3~1|skip_connect~2|')
api.show(index)
この文字列|nor_conv_3x3~0|+|nor_conv_3x3~0|avg_pool_3x3~1|+|skip_connect~0|nor_conv_3x3~1|skip_connect~2|手段：
node-0: the input tensor
node-1: conv-3x3( node-0 )
node-2: conv-3x3( node-0 ) + avg-pool-3x3( node-1 )
node-3: skip-connect( node-0 ) + conv-3x3( node-1 ) + skip-connect( node-2 )
config = api.get_net_config(123, 'cifar10') # obtain the network configuration for the 123-th architecture on the CIFAR-10 dataset
from models import get_cell_based_tiny_net # this module is in AutoDL-Projects/lib/models
network = get_cell_based_tiny_net(config) # create the network from configurration
print(network) # show the structure of this architecture
この作成されたネットワークの訓練された重量をロードする場合は、 api.get_net_param(123, ...)使用してウェイトを取得し、ネットワークにロードする必要があります。
api.get_more_info(...)トレーニング /検証 /テストセットで損失 /精度 /時間を返すことができます。これは非常に役立ちます。詳細については、get_more_info関数のコメントをご覧ください。
その他の使用については、 lib/nas_201_api/api.py参照してください。対応する機能のコメントにいくつかの使用情報を提供します。あなたが望むものが提供されていない場合は、議論のために問題を自由に開いてください。NAS-Bench-2011に関する質問に喜んで答えていただきます。
nas_201_apiでは、 NASBench201API 、 ArchResults 、 ResultsCountの3つのクラスを定義します。
ResultsCount特定の試験のすべての情報を維持します。 Results-Countをインスタンス化して、次のコードを介して情報を取得できます（ 000157-FULL.pth 157番目のアーキテクチャのすべての試行のすべての情報を保存します）：
from nas_201_api import ResultsCount
xdata = torch.load('000157-FULL.pth')
odata = xdata['full']['all_results'][('cifar10-valid', 777)]
result = ResultsCount.create_from_state_dict( odata )
print(result) # print it
print(result.get_train()) # print the final training loss/accuracy/[optional:time-cost-of-a-training-epoch]
print(result.get_train(11)) # print the training info of the 11-th epoch
print(result.get_eval('x-valid')) # print the final evaluation info on the validation set
print(result.get_eval('x-valid', 11)) # print the info on the validation set of the 11-th epoch
print(result.get_latency()) # print the evaluation latency [in batch]
result.get_net_param() # the trained parameters of this trial
arch_config = result.get_config(CellStructure.str2structure) # create the network with params
net_config = dict2config(arch_config, None)
network = get_cell_based_tiny_net(net_config)
network.load_state_dict(result.get_net_param())
ArchResultsアーキテクチャのすべての試験のすべての情報を維持しています。次の使用法をご覧ください。
from nas_201_api import ArchResults
xdata = torch.load('000157-FULL.pth')
archRes = ArchResults.create_from_state_dict(xdata['less']) # load trials trained with 12 epochs
archRes = ArchResults.create_from_state_dict(xdata['full']) # load trials trained with 200 epochs
print(archRes.arch_idx_str()) # print the index of this architecture
print(archRes.get_dataset_names()) # print the supported training data
print(archRes.get_compute_costs('cifar10-valid')) # print all computational info when training on cifar10-valid
print(archRes.get_metrics('cifar10-valid', 'x-valid', None, False)) # print the average loss/accuracy/time on all trials
print(archRes.get_metrics('cifar10-valid', 'x-valid', None, True)) # print loss/accuracy/time of a randomly selected trial
NASBench201API 、最もトップのレベルAPIです。次の使用法をご覧ください。
from nas_201_api import NASBench201API as API
api = API('NAS-Bench-201-v1_1-096897.pth') # This will load all the information of NAS-Bench-201 except the trained weights
api = API('{:}/{:}'.format(os.environ['TORCH_HOME'], 'NAS-Bench-201-v1_1-096897.pth')) # The same as the above line while I usually save NAS-Bench-201-v1_1-096897.pth in ~/.torch/.
api.show(-1) # show info of all architectures
api.reload('{:}/{:}'.format(os.environ['TORCH_HOME'], 'NAS-BENCH-201-4-v1.0-archive'), 3) # This code will reload the information 3-th architecture with the trained weights
weights = api.get_net_param(3, 'cifar10', None) # Obtaining the weights of all trials for the 3-th architecture on cifar10. It will returns a dict, where the key is the seed and the value is the trained weights.
トレーニングと評価情報を取得するには（こちらのコメントを参照してください）：
api.get_more_info(112, 'cifar10', None, hp='200', is_random=True)
# Query info of last training epoch for 112-th architecture
# using 200-epoch-hyper-parameter and randomly select a trial.
api.get_more_info(112, 'ImageNet16-120', None, hp='200', is_random=True)
NAS-Bench-2011があなたの研究に役立つことがわかった場合は、それを引用することを検討してください。
@inproceedings{dong2020nasbench201,
title = {NAS-Bench-201: Extending the Scope of Reproducible Neural Architecture Search},
author = {Dong, Xuanyi and Yang, Yi},
booktitle = {International Conference on Learning Representations (ICLR)},
url = {https://openreview.net/forum?id=HJxyZkBKDr},
year = {2020}
}
