基础预测器

Bases: MetaOptimizer

BasePredictor 是基于预测的神经架构搜索 (NAS) 方法的基类。它为使用机器学习模型预测神经架构性能而无需训练它们的方法提供了基础。派生自 MetaOptimizer 类。

属性

名称	类型	描述
using_step_function	bool	表示此优化器没有步进函数（step function）的标志。
config	CfgNode	搜索过程的配置设置。
epochs	int	搜索过程的 epoch 数量。
performance_metric	Metric	用于评估架构的性能指标。
dataset	str	用于评估的数据集。
k	int	每个周期要评估的架构数量。
num_init	int	初始随机架构的数量。
test_size	int	用于评估预测器的测试集大小。
predictor_type	str	要使用的预测器类型（例如，“LGB”，“MLP”）。
num_ensemble	int	集成模型中的模型数量。
encoding_type	str	架构的编码类型（例如，“adjacency_one_hot”）。
debug_predictor	bool	如果为 True，将打印调试信息。
train_data	list	一个列表，用于存储训练数据（架构-性能对）。
choices	list	一个列表，用于存储选择的架构。
history	torch.nn.ModuleList	一个列表，用于存储架构的历史记录。

__init__(config)

使用配置设置初始化 BasePredictor 类。

参数

名称	类型	描述	默认值
config	CfgNode	搜索过程的配置设置。	必需

adapt_search_space(search_space, scope=None, dataset_api=None)

调整搜索空间。

参数

名称	类型	描述	默认值
search_space	Graph	要调整的搜索空间。	必需
scope	str	搜索的范围。默认为 None。	None
dataset_api	dict	数据集的 API。默认为 None。	None

evaluate_predictor(xtrain, ytrain, xtest, test_pred, slice_size=4)

评估预测器以进行调试。

参数

名称	类型	描述	默认值
xtrain		训练数据（架构）。	必需
ytrain		训练标签（性能）。	必需
xtest		测试数据（架构）。	必需
test_pred		测试数据的预测性能。	必需
slice_size	int	每个切片中要打印的项目数量。默认为 4。	4

get_checkpointables()

获取可检查点（checkpoint）的模型。

返回

名称	类型	描述
dict		一个字典，其中键为“model”，值为架构的历史记录。

get_final_architecture()

获取搜索中最终（最佳）架构。

返回

名称	类型	描述
Graph		搜索期间找到的最佳架构。

get_model_size()

获取模型大小。

返回

名称	类型	描述
float		模型的兆字节（MB）大小。

get_op_optimizer()

获取操作的优化器。此方法在此类中未实现，调用时将引发错误。

引发

类型	描述
NotImplementedError	始终，因为此方法在此类中未实现。

new_epoch(epoch)

在搜索过程中开始一个新的 epoch，采样一个新的架构进行训练，或使用预测器选择一个架构。

参数

名称	类型	描述	默认值
epoch	int	当前的 epoch 编号。	必需

test_statistics()

报告测试统计信息。

返回

名称	类型	描述
float		最佳架构的原始性能指标。

train_statistics(report_incumbent=True)

报告训练后的统计信息。

参数

名称	类型	描述	默认值
report_incumbent	bool	是报告当前最佳架构还是最新架构。默认为 True。	True

返回

名称	类型	描述
tuple		包含训练准确率、验证准确率和测试准确率的元组。