fastnas

实现用于搜索的fasnas剪枝算法的模块。

类

`BinarySearcher`	一个使用二分搜索来找到最佳配置的迭代搜索器。
`FastNASPatchManager`	FastNAS的补丁管理器（与AutoNAS相同，除了在训练期间不进行采样）。

函数

`convert_fastnas_searchspace`	使用正确的补丁管理器为FastNAS模式转换搜索空间。
`restore_fastnas_searchspace`	使用正确的补丁管理器恢复FastNAS模式的搜索空间。

class BinarySearcher

基础类: IterativeSearcher

一个使用二分搜索来找到最佳配置的迭代搜索器。

after_step()

在递归后更新区间的边界。

Return type:: 无

before_search()

在搜索之前构建敏感度图，我们用它来近似成本函数。

Return type:: 无

before_step()

检查中间值以确定我们递归的位置。

Return type:: 无

property default_state_dict: Dict[str, Any]: 我们还存储了敏感性地图和相关参数。

early_stop()

如果间隔足够小，则提前停止。

Return type:: bool

property hparam_names_for_search: Set[str]: 我们只能在二分搜索中优化某些类型的超参数。

property hparam_types_for_search: Tuple[Type]: 我们只能在二分搜索中优化某些类型的超参数。

load_search_checkpoint()

我们只想在这里加载敏感度地图和原始分数，并保留其余部分。

Return type:: bool

max_degrade: float

middle_value: float

min_degrade: float

original_score: float

sample()

检查我们应该在哪个区间进行递归，并设置相应的子网。

Return type:: Dict[str, Any]

sensitivity_map: Dict[str, Dict[int, float]]

class FastNASPatchManager

基础类: AutoNASPatchManager

FastNAS的补丁管理器（与AutoNAS相同，除了在训练期间不进行采样）。

property sample_during_training: 指示我们是否应该在训练期间采样一个新的子网。

convert_fastnas_searchspace(model, config)

使用正确的补丁管理器为FastNAS模式转换搜索空间。

Parameters:

模型 (模块) –
config (ModeloptBaseConfig) –

Return type:

元组[模块, 字典[字符串, 任意类型]]

restore_fastnas_searchspace(model, config, metadata)

使用正确的补丁管理器恢复FastNAS模式的搜索空间。

Parameters:

模型 (模块) –
config (ModeloptBaseConfig) –
metadata (Dict[str, Any]) –

Return type:

模块