运行完 supernet.py 后，如何进行模型加载校验(val)？

[SwordHarry]

运行完 supernet.py 后，如何进行模型加载校验(val)？

[ShunLu91]

上述问题已修正，并提供了log和checkpoint，可以再试试。

[ShunLu91]

1. 运行完supernet.py只是把超网训练好了，此时并不知道最佳的choice是什么，还需使用进化算法搜索才能得到最佳的choice，此处代码可参照官方repo；
2. 使用random_seardch.py就是在使用训练好的超网模型校验随机路径。由于代码比较久了，中途有更新可能没有兼顾到。具体报错可以发上来看看，我再进行修正；
3. choice_model.py 就是固定一个 choice 进行训练。正常流程是这样的：supernet.py训练好超网-->进化算法搜索最佳choice（我用random_search.py进行简单示例）-->choice_model.py训练最佳choice。简单来说，可以用random_search.py验证大量随机模型，然后选其中精度最高的一个作为最佳choice输给choice_model.py。

感谢指出代码中的错误，如果还有任何问题，欢迎继续提问！

[SwordHarry]

你好
运行完 supernet.py 以后，再次运行 random_search.py，将会报加载模型的错误，情况如下：

我基本没有改动任何代码，只是将 --exp_name="test_super"，因为 supernet.py 默认生成 test_super_ 前缀的模型文件

[ShunLu91]

好的，我会尽快更新代码并修正这个错误