update README

README.md

@@ -46,11 +46,12 @@ CUDA_VISIBLE_DEVICES=0 bash ./scripts-rnn/train-WT2.sh GDAS
 ```
 
 ### Training Logs
-Some training logs can be found in `./data/logs/`, and some pre-trained models can be found in [Google Driver](https://drive.google.com/open?id=1Ofhc49xC1PLIX4O708gJZ1ugzz4td_RJ).
+You can find some training logs in [`./data/logs/`](https://github.com/D-X-Y/GDAS/tree/master/data/logs).  
+You can also find some pre-trained models in [Google Driver](https://drive.google.com/open?id=1Ofhc49xC1PLIX4O708gJZ1ugzz4td_RJ).
 
 ### Experimental Results
 <img src="data/imagenet-results.png" width="700">
-Figure 2. Top-1 and top-5 errors on ImageNet.
+Figure-2. Top-1 and top-5 errors on ImageNet.
 
 ### Citation
 If you find that this project (GDAS) helps your research, please cite the paper:

exps-cnn/cvpr-vis.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 # python ./exps-nas/cvpr-vis.py --save_dir ./snapshots/NAS-VIS/
 import os, sys, time, glob, random, argparse
 import numpy as np

exps-cnn/evaluate.py

@@ -1,3 +1,7 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
+# For evaluating the learned model
 import os, sys, time, glob, random, argparse
 import numpy as np
 from copy import deepcopy

exps-cnn/train_base.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, sys, time, glob, random, argparse
 import numpy as np
 from copy import deepcopy

exps-cnn/train_utils.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, sys, time
 from copy import deepcopy
 import torch

exps-cnn/train_utils_imagenet.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, sys, time
 from copy import deepcopy
 import torch

exps-rnn/train_rnn_base.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, gc, sys, math, time, glob, random, argparse
 import numpy as np
 from copy import deepcopy

exps-rnn/train_rnn_utils.py

@@ -1,3 +1,4 @@
+# Modified from https://github.com/quark0/darts
 import os, gc, sys, time, math
 import numpy as np
 from copy import deepcopy

lib/datasets/__init__.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 from .MetaBatchSampler import MetaBatchSampler
 from .TieredImageNet import TieredImageNet
 from .LanguageDataset import Corpus

lib/datasets/get_dataset_with_transform.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, sys, torch
 import os.path as osp
 import torchvision.datasets as dset

lib/nas/__init__.py

@@ -1,9 +1,11 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 from .model_search    import Network
-# acceleration model
+from .CifarNet        import NetworkCIFAR
-from .CifarNet import NetworkCIFAR
+from .ImageNet        import NetworkImageNet
-from .ImageNet import NetworkImageNet
 
 # genotypes
-from .genotypes import model_types
+from .genotypes       import model_types
 
 from .construct_utils import return_alphas_str

lib/scheduler/__init__.py

@@ -1,2 +1,5 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 from .utils import load_config
 from .scheduler import MultiStepLR, obtain_scheduler

lib/scheduler/scheduler.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import torch
 from bisect import bisect_right
 

lib/scheduler/utils.py

@@ -1,10 +1,6 @@
-
+##################################################
-# Copyright (c) Facebook, Inc. and its affiliates.
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
-# All rights reserved.
+##################################################
-#
-# This source code is licensed under the license found in the
-# LICENSE file in the root directory of this source tree.
-#
 import os, sys, json
 from pathlib import Path
 from collections import namedtuple

lib/utils/__init__.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 from .utils import AverageMeter, RecorderMeter, convert_secs2time
 from .utils import time_file_str, time_string
 from .utils import test_imagenet_data

lib/utils/flop_benchmark.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 # modified from https://github.com/warmspringwinds/pytorch-segmentation-detection/blob/master/pytorch_segmentation_detection/utils/flops_benchmark.py
 import copy, torch
 

lib/utils/save_meta.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import torch
 import os, sys
 import os.path as osp

lib/utils/utils.py

@@ -1,3 +1,6 @@
+##################################################
+# Copyright (c) Xuanyi Dong [GitHub D-X-Y], 2019 #
+##################################################
 import os, sys, time
 import numpy as np
 import random