感谢你的开源
shuangjian24 opened this issue · comments
这是很有效的方法，看了整个框架后，我有这样两个疑问：
1、Genotype是怎么进行更新的：在model_search.py里，实现了生成新的Genotype，那下一步的迭代是如何使用这个新的Genotype呢？
2、每次只对1/4的X进行运算，剩下的3/4直接传递下去了，这是否可以看做是skip_connection呢？
@shuangjian24 , 你好，谢谢你的关注。
1、model_search 之后生成新的genotype 需要复制到genotype.py中，令PCDARTS=这个生成的genotype，之后再运行‘train.py’去evaluate这个网络结构。
2、这可能与skip有一点区别，skip是加这里是concate，可能与densenet中的dense连接有点像。
@yuhuixu1993 那在跑train_search.py这个代码的时候，是不会进行实时的网络更新的吗，log文件记录的只是网络结构的可能性吗
@shuangjian24 , 每个epoch都会输出当时的最优的genotye，应该是实时更新的吧（不大理解你说的意思）我们一般选取最后一个epoch作为最终搜索结果
@yuhuixu1993 我本以为是这样的：当搜索出一个genotype后，会直接使用它，基于它进行再搜索。
@shuangjian24 不是的，这种是one-shot搜索，只搜一次就用了，你那种可能类似于进化算法？
@yuhuixu1993 谢谢你的耐心解释，我懂了，谢谢
@shuangjian24 ，thanks for your interest!