搜索空间参数的配置#

通过参数配置搜索空间。更多搜索空间的使用可以参考search_space

参数：

• input_size(int|None)：- input_size表示输入feature map的大小。
• output_size(int|None)：- output_size表示输出feature map的大小。
• block_num(int|None)：- block_num表示搜索空间中block的数量。
• block_mask(list|None)：- block_mask是一组由0、1组成的列表，0表示当前block是normal block，1表示当前block是reduction block。如果设置了block_mask，则主要以block_mask为主要配置，input_size，output_size和block_num三种配置是无效的。

SANAS#

paddleslim.nas.SANAS(configs, server_addr=("", 8881), init_temperature=100, reduce_rate=0.85, search_steps=300, save_checkpoint='./nas_checkpoint', load_checkpoint=None, is_server=True)[源代码]

SANAS（Simulated Annealing Neural Architecture Search）是基于模拟退火算法进行模型结构搜索的算法，一般用于离散搜索任务。

参数：

• configs(list) - 搜索空间配置列表，格式是[(key, {input_size, output_size, block_num, block_mask})]或者[(key)]（MobileNetV2、MobilenetV1和ResNet的搜索空间使用和原本网络结构相同的搜索空间，所以仅需指定key即可）, input_size 和output_size表示输入和输出的特征图的大小，block_num是指搜索网络中的block数量，block_mask是一组由0和1组成的列表，0代表不进行下采样的block，1代表下采样的block。 更多paddleslim提供的搜索空间配置可以参考。
• server_addr(tuple) - SANAS的地址，包括server的ip地址和端口号，如果ip地址为None或者为""的话则默认使用本机ip。默认：（"", 8881）。
• init_temperature(float) - 基于模拟退火进行搜索的初始温度。默认：100。
• reduce_rate(float) - 基于模拟退火进行搜索的衰减率。默认：0.85。
• search_steps(int) - 搜索过程迭代的次数。默认：300。
• save_checkpoint(str|None) - 保存checkpoint的文件目录，如果设置为None的话则不保存checkpoint。默认：./nas_checkpoint。
• load_checkpoint(str|None) - 加载checkpoint的文件目录，如果设置为None的话则不加载checkpoint。默认：None。
• is_server(bool) - 当前实例是否要启动一个server。默认：True。

返回： 一个SANAS类的实例

示例代码：

1
2
3

from paddleslim.nas import SANAS
config = [('MobileNetV2Space')]
sanas = SANAS(config=config)

paddlesim.nas.SANAS.tokens2arch(tokens)

通过一组token得到实际的模型结构，一般用来把搜索到最优的token转换为模型结构用来做最后的训练。

参数：

• tokens(list): - 一组token。

返回： 根据传入的token得到一个模型结构实例。

示例代码：

1
2
3
4
5
6

import paddle.fluid as fluid
input = fluid.data(name='input', shape=[None, 3, 32, 32], dtype='float32')
archs = sanas.token2arch(tokens)
for arch in archs:
    output = arch(input)
    input = output

paddleslim.nas.SANAS.next_archs()

获取下一组模型结构。

返回： 返回模型结构实例的列表，形式为list。

示例代码：

1
2
3
4
5
6

import paddle.fluid as fluid
input = fluid.data(name='input', shape=[None, 3, 32, 32], dtype='float32')
archs = sanas.next_archs()
for arch in archs:
    output = arch(input)
    input = output

paddleslim.nas.SANAS.reward(score)

把当前模型结构的得分情况回传。

参数：

• score: - 当前模型的得分，分数越大越好。

返回： 模型结构更新成功或者失败，成功则返回True，失败则返回False。

paddleslim.nas.SANAS.current_info()

返回当前token和搜索过程中最好的token和reward。

返回： 搜索过程中最好的token，reward和当前训练的token，形式为dict。