企业官网建设流程全解析

NAS-Bench-201 快速上手指南：在固定搜索空间中查询 15,625 个神经单元的训练指标

【免费下载链接】NAS-Bench-201NAS-Bench-201 API and Instruction项目地址: https://gitcode.com/gh_mirrors/na/NAS-Bench-201

NAS-Bench-201 是一个面向神经架构搜索（NAS）的可复现基准：固定的 cell 搜索空间中共有 15,625 个候选架构，每个架构都附带预训练好的指标。本指南带你在几分钟内完成 NAS-Bench-201 API 的安装与初始化，并查得任意一个架构的训练损失与精度。

项目定位：它解决什么问题，不适合什么场景

它解决的是“不同 NAS 算法各自使用不同搜索空间与数据切分，评测结果无法横向比较”的问题。项目把搜索空间固定为 4 节点 cell、5 种操作，并预先记录每个架构在 CIFAR-10、CIFAR-100、ImageNet16-120 上的训练曲线、评测指标与计算开销，你实现或对比算法时无需重新训练即可获得数据。

适合：正在实现、评估或对比 NAS 算法，以及需要逐架构指标做分析的人。不适合：想用其中的结构直接上线跑业务，或需要加载完整模型权重的人（权重归档文件体量达数百 GB，详情以仓库 README 为准）。另外仓库在 README 开头已标注归档状态，作者的后续工作已转向 NATS-Bench；如果你要开展新的研究，可先评估是否改用后者，但仅用本基准做实验的话，仓库内内容是自洽完整的。

快速准备：安装 API 并拿到数据文件

📦 环境要求不高：Python ≥ 3.6.0、PyTorch ≥ 1.2.0。API 有两种获取方式，装包或装源码二选一：

pip install nas-bench-201 # 或克隆源码后以开发模式安装，便于阅读与修改实现 # git clone https://gitcode.com/gh_mirrors/na/NAS-Bench-201 # cd NAS-Bench-201 && pip install -e .

数据文件方面，官方推荐NAS-Bench-201-v1_1-096897.pth（约 4.7 GB），它包含更多 trial 以及全部数据集上 12 epoch 的训练结果；另有较早的 v1_0 文件，体量较小但覆盖更少。下载渠道列在 README.md 中，获取后放到任意目录均可，建议直接放入$TORCH_HOME（默认~/.torch/），因为这是 API 的默认查找位置。若你要自行重新生成数据集或训练模型，还需要 CIFAR-10/100 与 ImageNet16-120 的原始训练评测数据，链接同样在 README 中。

最小可用入口：两行代码创建 API 实例

仓库里没有可执行的主程序，也没有命令行入口，真正的起点是实例化NASBench201API类。构造时只需传入 .pth 文件路径；文件若已放在 TORCH_HOME 下，可直接传None走默认路径。加上verbose=False可去掉过程日志：

from nas_201_api import NASBench201API as API api = API('<path_to_data>/NAS-Bench-201-v1_1-096897.pth', verbose=False) print(len(api), api[1]) info = api.query_meta_info_by_index(1) print(info.get_metrics('cifar10', 'train'))

验证是否装好：len(api)应返回 15625；api[i]返回第 i 个架构的字符串编码；api.show(1)会打印该架构在各数据集上的指标摘要与 FLOPs、参数量、延迟等开销。

关键数据与参数：一个 .pth 承载全部状态

.pth 是唯一的数据载体

基准文件是一个 torch 字典，核心键为meta_archs（架构字符串列表）、arch2infos（逐架构的 trial 结果，按 12/200 两档超参分开存放）、evaluated_indexes（已被训练过的架构索引集合）。API 构造时会加载并整理这份字典，运行过程不会再产生额外状态文件。

参数全部通过函数实参传递

项目没有独立的配置文件，行为完全由你传入的参数决定，常见的几组取值：

• dataset：cifar10、cifar100、ImageNet16-120，另有cifar10-valid，它是 CIFAR-10 的另一种切分，不要与前两者混用。
• hp：'12'或'200'，对应“训练到 12 epoch”和“训练到 200 epoch”两套超参。
• iepoch：指定查看某一 epoch 的指标，传None则取最后一个 epoch。
• is_random：True随机返回一个 trial，False返回全部 trial 的均值。

get_more_info、query_by_index等查询函数都由这些参数组合而成，各参数的精确含义见 API 实现 中的函数注释。

关键文件地图：先看哪几个文件

• nas_201_api/api_201.py：NASBench201API的实现，查询、模拟训练、架构编码转换都在这里。
• nas_201_api/api_utils.py：ArchResults（单架构全部 trial）与ResultsCount（单个 trial）两个数据类，以及抽象基类。
• nas_201_api/init.py：API 版本号，附带一个test_api自检函数，可直接跑通验证数据文件。
• README.md：数据下载链接、完整 API 示例与引用信息。
• setup.py：打包元数据，MIT 协议。

常见坑与下一步建议

⚠️ 最常踩的两处：一是 .pth 路径不存在时构造函数会直接断言报错，放进 TORCH_HOME 再调API(None)最稳妥；二是数据集名称必须精确匹配，cifar10与cifar10-valid是两个不同的切分，用错名字会直接抛异常。

下一步建议：先完整运行一次 nas_201_api/init.py 里的test_api做全量自检；如果后续要加载某个架构的真实权重，再看reload方法与 README 中权重归档的说明。

【免费下载链接】NAS-Bench-201NAS-Bench-201 API and Instruction项目地址: https://gitcode.com/gh_mirrors/na/NAS-Bench-201