correct copyright date

LICENSE.md

@@ -1,6 +1,6 @@
 MIT License
 
-Copyright (c) 2018-2020 Xuanyi Dong (GitHub: https://github.com/D-X-Y)
+Copyright (c) since 2019.01.01, author: Xuanyi Dong (GitHub: https://github.com/D-X-Y)
 
 Permission is hereby granted, free of charge, to any person obtaining a copy
 of this software and associated documentation files (the "Software"), to deal

docs/NAS-Bench-201.md

@@ -71,6 +71,13 @@ print ('Train Info [10-th epoch] : {:}'.format(results[0].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)
 ```
+This string `|nor_conv_3x3~0|+|nor_conv_3x3~0|avg_pool_3x3~1|+|skip_connect~0|nor_conv_3x3~1|skip_connect~2|` means:
+```
+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 )
+```
 
 5. Create the network from api:
 ```

exps/KD-main.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import sys, time, torch, random, argparse
 from PIL     import ImageFile
 ImageFile.LOAD_TRUNCATED_IMAGES = True

exps/NAS-Bench-201/check.py

@@ -1,8 +1,8 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
-##################################################
+#####################################################
 # python exps/NAS-Bench-201/check.py --base_save_dir 
-##################################################
+#####################################################
 import os, sys, time, argparse, collections
 from shutil import copyfile
 import torch

exps/NAS-Bench-201/dist-setup.py

@@ -1,3 +1,6 @@
+#####################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
+#####################################################
 import os
 from setuptools import setup
 
@@ -9,7 +12,7 @@ def read(fname='README.md'):
 
 setup(
     name = "nas_bench_201",
-    version = "1.0",
+    version = "1.1",
     author = "Xuanyi Dong",
     author_email = "dongxuanyi888@gmail.com",
     description = "API for NAS-Bench-201 (a benchmark for neural architecture search).",

exps/NAS-Bench-201/functions.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
-##################################################
+#####################################################
 import os, sys, time, torch
 from procedures   import prepare_seed, get_optim_scheduler
 from utils        import get_model_infos, obtain_accuracy

exps/NAS-Bench-201/main.py

@@ -1,7 +1,7 @@
 ###############################################################
 # NAS-Bench-201, ICLR 2020 (https://arxiv.org/abs/2001.00326) #
 ###############################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019-2020         #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08           #
 ###############################################################
 import os, sys, time, torch, random, argparse
 from PIL     import ImageFile

exps/NAS-Bench-201/statistics.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
-##################################################
+#####################################################
 import os, sys, time, argparse, collections
 from copy import deepcopy
 import torch

exps/NAS-Bench-201/test-correlation.py

@@ -1,5 +1,5 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
 ########################################################
 # python exps/NAS-Bench-201/test-correlation.py --api_path $HOME/.torch/NAS-Bench-201-v1_0-e61699.pth
 ########################################################

exps/NAS-Bench-201/visualize.py

@@ -1,8 +1,8 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
-##################################################
+#####################################################
 # python exps/NAS-Bench-201/visualize.py --api_path $HOME/.torch/NAS-Bench-201-v1_0-e61699.pth
-##################################################
+#####################################################
 import os, sys, time, argparse, collections
 from tqdm import tqdm
 from collections import OrderedDict

exps/basic-eval.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import os, sys, time, torch, random, argparse
 from PIL     import ImageFile
 ImageFile.LOAD_TRUNCATED_IMAGES = True

exps/basic-main.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import sys, time, torch, random, argparse
 from PIL     import ImageFile
 ImageFile.LOAD_TRUNCATED_IMAGES = True

exps/search-shape.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import sys, time, torch, random, argparse
 from PIL     import ImageFile
 from os      import path as osp

exps/search-transformable.py

@@ -1,5 +1,5 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
 #######################################################################
 # Network Pruning via Transformable Architecture Search, NeurIPS 2019 #
 #######################################################################

lib/log_utils/time_utils.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import time, sys
 import numpy as np
 

lib/models/SharedUtils.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import torch
 import torch.nn as nn
 

lib/models/cell_infers/__init__.py

@@ -1,4 +1,4 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 from .tiny_network import TinyNetwork

lib/models/cell_infers/cells.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2020 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 
 import torch.nn as nn
 from copy import deepcopy

lib/models/cell_infers/tiny_network.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2020 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import torch
 import torch.nn as nn
 from ..cell_operations import ResNetBasicblock

lib/models/cell_searchs/search_model_setn.py

@@ -1,5 +1,5 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
 ######################################################################################
 # One-Shot Neural Architecture Search via Self-Evaluated Template Network, ICCV 2019 #
 ######################################################################################

lib/models/cell_searchs/search_model_setn_nasnet.py

@@ -0,0 +1,113 @@
+#####################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
+######################################################################################
+# One-Shot Neural Architecture Search via Self-Evaluated Template Network, ICCV 2019 #
+######################################################################################
+import torch
+import torch.nn as nn
+from copy import deepcopy
+from .search_cells     import NASNetSearchCell as SearchCell
+from .genotypes        import Structure
+
+
+# The macro structure is based on NASNet
+class NASNetworkSETN(nn.Module):
+
+  def __init__(self, C, N, steps, multiplier, stem_multiplier, num_classes, search_space, affine, track_running_stats):
+    super(NASNetworkSETN, self).__init__()
+    self._C        = C
+    self._layerN   = N
+    self._steps    = steps
+    self._multiplier = multiplier
+    self.stem = nn.Sequential(
+                    nn.Conv2d(3, C*stem_multiplier, kernel_size=3, padding=1, bias=False),
+                    nn.BatchNorm2d(C*stem_multiplier))
+  
+    # config for each layer
+    layer_channels   = [C    ] * N + [C*2 ] + [C*2  ] * (N-1) + [C*4 ] + [C*4  ] * (N-1)
+    layer_reductions = [False] * N + [True] + [False] * (N-1) + [True] + [False] * (N-1)
+
+    num_edge, edge2index = None, None
+    C_prev_prev, C_prev, C_curr, reduction_prev = C*stem_multiplier, C*stem_multiplier, C, False
+
+    self.cells = nn.ModuleList()
+    for index, (C_curr, reduction) in enumerate(zip(layer_channels, layer_reductions)):
+      cell = SearchCell(search_space, steps, multiplier, C_prev_prev, C_prev, C_curr, reduction, reduction_prev, affine, track_running_stats)
+      if num_edge is None: num_edge, edge2index = cell.num_edges, cell.edge2index
+      else: assert num_edge == cell.num_edges and edge2index == cell.edge2index, 'invalid {:} vs. {:}.'.format(num_edge, cell.num_edges)
+      self.cells.append( cell )
+      C_prev_prev, C_prev, reduction_prev = C_prev, multiplier*C_curr, reduction
+    self.op_names   = deepcopy( search_space )
+    self._Layer     = len(self.cells)
+    self.edge2index = edge2index
+    self.lastact    = nn.Sequential(nn.BatchNorm2d(C_prev), nn.ReLU(inplace=True))
+    self.global_pooling = nn.AdaptiveAvgPool2d(1)
+    self.classifier = nn.Linear(C_prev, num_classes)
+    self.arch_normal_parameters = nn.Parameter( 1e-3*torch.randn(num_edge, len(search_space)) )
+    self.arch_reduce_parameters = nn.Parameter( 1e-3*torch.randn(num_edge, len(search_space)) )
+
+  def get_weights(self):
+    xlist = list( self.stem.parameters() ) + list( self.cells.parameters() )
+    xlist+= list( self.lastact.parameters() ) + list( self.global_pooling.parameters() )
+    xlist+= list( self.classifier.parameters() )
+    return xlist
+
+  def get_alphas(self):
+    return [self.arch_normal_parameters, self.arch_reduce_parameters]
+
+  def show_alphas(self):
+    with torch.no_grad():
+      A = 'arch-normal-parameters :\n{:}'.format( nn.functional.softmax(self.arch_normal_parameters, dim=-1).cpu() )
+      B = 'arch-reduce-parameters :\n{:}'.format( nn.functional.softmax(self.arch_reduce_parameters, dim=-1).cpu() )
+    return '{:}\n{:}'.format(A, B)
+
+  def get_message(self):
+    string = self.extra_repr()
+    for i, cell in enumerate(self.cells):
+      string += '\n {:02d}/{:02d} :: {:}'.format(i, len(self.cells), cell.extra_repr())
+    return string
+
+  def extra_repr(self):
+    return ('{name}(C={_C}, N={_layerN}, steps={_steps}, multiplier={_multiplier}, L={_Layer})'.format(name=self.__class__.__name__, **self.__dict__))
+
+  def genotype(self):
+    def _parse(weights):
+      gene = []
+      for i in range(self._steps):
+        edges = []
+        for j in range(2+i):
+          node_str = '{:}<-{:}'.format(i, j)
+          ws = weights[ self.edge2index[node_str] ]
+          for k, op_name in enumerate(self.op_names):
+            if op_name == 'none': continue
+            edges.append( (op_name, j, ws[k]) )
+        edges = sorted(edges, key=lambda x: -x[-1])
+        selected_edges = edges[:2]
+        gene.append( tuple(selected_edges) )
+      return gene
+    with torch.no_grad():
+      gene_normal = _parse(torch.softmax(self.arch_normal_parameters, dim=-1).cpu().numpy())
+      gene_reduce = _parse(torch.softmax(self.arch_reduce_parameters, dim=-1).cpu().numpy())
+    return {'normal': gene_normal, 'normal_concat': list(range(2+self._steps-self._multiplier, self._steps+2)),
+            'reduce': gene_reduce, 'reduce_concat': list(range(2+self._steps-self._multiplier, self._steps+2))}
+
+  def forward(self, inputs):
+    normal_hardwts = nn.functional.softmax(self.arch_normal_parameters, dim=-1)
+    reduce_hardwts = nn.functional.softmax(self.arch_reduce_parameters, dim=-1)
+    with torch.no_grad():
+      normal_hardwts_cpu = normal_hardwts.detach().cpu()
+      reduce_hardwts_cpu = reduce_hardwts.detach().cpu()
+
+    s0 = s1 = self.stem(inputs)
+    for i, cell in enumerate(self.cells):
+      # [TODO]
+      raise NotImplementedError
+      if cell.reduction: hardwts, index = reduce_hardwts, reduce_index
+      else             : hardwts, index = normal_hardwts, normal_index
+      s0, s1 = s1, cell.forward_gdas(s0, s1, hardwts, index)
+    out = self.lastact(s1)
+    out = self.global_pooling( out )
+    out = out.view(out.size(0), -1)
+    logits = self.classifier(out)
+
+    return out, logits

lib/nas_201_api/__init__.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
-##################################################
+#####################################################
 from .api import NASBench201API
 from .api import ArchResults, ResultsCount
 

lib/nas_201_api/api.py

@@ -1,5 +1,5 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.08 #
 ############################################################################################
 # NAS-Bench-201: Extending the Scope of Reproducible Neural Architecture Search, ICLR 2020 #
 ############################################################################################

lib/nas_infer_model/__init__.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2020 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 # I write this package to make AutoDL-Projects to be compatible with the old GDAS projects.
 # Ideally, this package will be merged into lib/models/cell_infers in future.
 # Currently, this package is used to reproduce the results in GDAS (Searching for A Robust Neural Architecture in Four GPU Hours, CVPR 2019).

lib/nas_infer_model/operations.py

@@ -1,6 +1,6 @@
-##################################################
+##############################################################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# This code is copied and modified from Hanxiao Liu's work (https://github.com/quark0/darts) #
-##################################################
+##############################################################################################
 import torch
 import torch.nn as nn
 

lib/procedures/optimizers.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import math, torch
 import torch.nn as nn
 from bisect import bisect_right

lib/procedures/simple_KD_main.py

@@ -1,6 +1,6 @@
-##################################################
+#####################################################
-# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019.01 #
-##################################################
+#####################################################
 import os, sys, time, torch
 import torch.nn.functional as F
 # our modules