Visualization.rst 2.92 KB
Newer Older
kvartet's avatar
kvartet committed
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
NAS 可视化(测试版)
================================

内置 Trainer 支持
-------------------------

当前,仅 ENAS 和 DARTS 支持可视化。 `ENAS <./ENAS.rst>`__ 和 `DARTS <./DARTS.rst>`__ 的示例演示了如何在代码中启用可视化,其需要在 ``trainer.train()`` 前添加代码。

.. code-block:: python

   trainer.enable_visualization()

此代码会在当前目录中创建新目录 ``logs/<current_time_stamp>``,并创建两个新文件 ``graph.json`` 和 ``log``。

不必等到程序运行完后,再启动 NAS 界面,但需要确保这两个文件产生后,再启动。 启动 NAS 界面:

.. code-block:: bash

   nnictl webui nas --logdir logs/<current_time_stamp> --port <port>

可视化定制的 Trainer
------------------------------

如果要定制 Trainer,参考 `文档 <./Advanced.rst>`__。

需要对已有 Trainer 代码做两处改动来支持可视化:


#. 在训练前导出图:

.. code-block:: python

   vis_graph = self.mutator.graph(inputs)
   # `inputs` is a dummy input to your model. For example, torch.randn((1, 3, 32, 32)).cuda()
   # If your model has multiple inputs, it should be a tuple.
   with open("/path/to/your/logdir/graph.json", "w") as f:
       json.dump(vis_graph, f)


#. 记录选择的 Choice。 可以每个 Epoch,批处理或任何频率下做次记录。

.. code-block:: python

   def __init__(self):
       # ...
       self.status_writer = open("/path/to/your/logdir/log", "w")  # create a writer

   def train(self):
       # ...
       print(json.dumps(self.mutator.status()), file=self.status_writer, flush=True)  # dump a record of status

如果继承 ``Trainer``,实现定制的 Trainer。 NNI 提供了 ``enable_visualization()`` 和 ``_write_graph_status()`` 来简化可视化。 只需要在开始前调用 ``trainer.enable_visualization()``,并在每次要记录日志前调用 ``trainer._write_graph_status()``。 注意,这两个 API 还处于试用阶段,未来可能会有所更改。

最后,启动 NAS 界面:

.. code-block:: bash

   nnictl webui nas --logdir /path/to/your/logdir

NAS 界面预览
--------------


.. image:: ../../img/nasui-1.png
   :target: ../../img/nasui-1.png
   :alt: 



.. image:: ../../img/nasui-2.png
   :target: ../../img/nasui-2.png
   :alt: 


局限性
-----------


* NAS 可视化仅适用于 PyTorch >= 1.4。 PyTorch 1.3.1 上无法使用。
* 其依赖于 PyTorch 对 tensorboard 导出图的支持,即依赖于 ``torch.jit``。 如果模型不支持 ``jit``,也无法使用。

* 在加载中等大小,但有许多 Choice 的模型时(如 DARTS 的搜索空间),会遇到性能问题。

反馈
--------

NAS UI 目前是测试版。 欢迎提交反馈。 `这里 <https://github.com/microsoft/nni/pull/2085>`__ 列出了 NAS UI 接下来的工作。 欢迎直接评论,如果有其它建议,也可以 `提交新问题 <https://github.com/microsoft/nni/issues/new?template=enhancement.rst>`__。