RegNet-Search-PyTorch 使用教程

1. 项目介绍

RegNet-Search-PyTorch 是一个使用 PyTorch 和 AutoTorch 实现的 RegNet 神经架构搜索的开源项目。该项目基于 "Designing Network Design Spaces" 论文中的 RegNet 模型，通过自动化搜索找到最优的网络架构。此项目可用于研究如何将超参数优化（HPO）应用到神经架构搜索（NAS）中，特别是在 CVPR 2020 的教程 "From HPO to NAS: Automated Deep Learning" 中有所应用。

2. 项目快速启动

在开始之前，请确保已安装以下依赖项：

• PyTorch
• AutoTorch
• THOP (THroughputOptimizer)
• torch-encoding
• Apex (可选，用于混合精度训练)

以下命令将安装上述所需的基本依赖项：

pip install autotorch thop torch-encoding

若要安装 Apex，可以使用以下命令：

git clone https://github.com/NVIDIA/apex.git
cd apex
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext"

克隆项目

将项目克隆到本地：

git clone https://github.com/zhanghang1989/RegNet-Search-PyTorch.git
cd RegNet-Search-PyTorch

生成配置文件

以下命令将生成具有预期 GFLOPs 的配置文件：

python generate_configs.py --gflops 4 --num-configs 32 --config-file configs/RegNetX-4.0GF

生成的配置文件将保存在 configs/ 目录下。

3. 应用案例和最佳实践

以下是一个应用案例，展示了如何从一个配置文件训练一个模型：

训练模型

准备 ImageNet 数据集，并使用以下命令训练一个模型：

cd scripts/
python prepare_imagenet.py --download-dir /path/to/your/dataset/

python train.py --dataset imagenet --config-file configs/RegNetX-4.0GF.ini --lr-scheduler cos --epochs 120 --checkname default --lr 0.025 --batch-size 64 --amp

这里，--config-file 指定了模型的配置文件，--lr-scheduler 设置了学习率调度器，--epochs 为训练的总轮数，--checkname 是保存模型的名称，--lr 是初始学习率，--batch-size 是批量大小，--amp 表示启用自动混合精度。

搜索最佳模型

若要在一个文件夹中搜索最佳模型配置，可以使用以下命令：

python search.py --config-file-folder gen_configs/RegNet-0.4GF/ --output-folder out_configs/ --epochs 25

此命令将训练每个配置文件对应的模型，并在训练后将准确率写入输出配置文件。

4. 典型生态项目

RegNet-Search-PyTorch 是 PyTorch 生态系统中的一个项目，它依赖于 PyTorch 的深度学习框架，以及 AutoTorch 等其他开源项目。在 PyTorch 生态系统中，还有许多其他相关的项目，例如：

• PyTorch官方模型库（Torchvision）
• 用于图像处理的 OpenCV
• 用于自然语言处理的 Transformers

这些项目共同构成了一个强大的深度学习生态系统，为研究人员和开发者提供了丰富的工具和资源。