训练脚本执行

python3 run_dcnet.py --save_path <save path> --data_path <dataset path> --data_name <eval dataset name> --learn_name <train dataset name> --warmup <warmup epochs> --epochs <training epochs> --metric <metric type> --batch_size <batch size> --valid_batch_size <valid batch size> --start_epoch <start epoch> --lr <learning rate> --use_amp <whether use amp> --apex_mode <apex mode> --scale <scale> --ftopk <fuzzy topk> --param_list <param list> --use_drop <use drop> --drop_prop <drop prop> --nlist <coarse centroid num> --niter <iterations> --nprobes <nprobes> --percents <fuzzy percentages> --gpu <gpu id> --seed <seed> --log_interval <log interval> --eval <whether to eval> --ai_center <trained model path>

<save path>：指定存储路径，默认为空，必须指定。

<dataset path>：所有数据的路径，包含训练集和验证集，必须指定。

<eval dataset name>：验证集名称 (包含base，query和gt)，必须指定。

<train dataset name>：训练集名称 (如learn10m.npy的名称是learn10m)，必须指定。

<warmup epochs>：学习率调整策略，warmup的epoch数，默认3。

<training epochs>：训练epoch数，默认20。

<metric type>：距离计算方式，IP/L2, 默认IP。

<batch size>：训练batch size，默认2048。

<valid batch size>：评估batch size，默认10000。

<start epoch>：用于resume pytorch模型，初始epoch，默认0。

<learning rate>：初始学习率，默认0.0005， 必须指定。

<whether use amp>：是否使用混合精度训练，默认False, 推荐True，如使用则必须指定。

<apex mode>：混合精度模式，O1/O2, 默认O2。

<scale>：混合精度训练scale，默认1024。

<fuzzy topk>：训练参数，默认10。

<param list>：模型结构定义，默认[256, 512, 1024, 2048, 8192, 16384]，第一个输入元素是数据维度，默认256维，最后一个输出元素是nlist个数，默认nlist=16384。

<use drop>：训练策略，默认False，推荐使用True。

<drop prop>：使用drop时的比例，默认0.05。

<coarse centroid num>：L1簇聚类中心个数，默认16384。

<iterations>：训练参数，默认128。

<nprobes>：检索评估，默认[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 16, 20, 32]。

<percents>：底库的冗余比例，建议使用[0.8, 1.0, 1.25, 1.50]，必须指定。

<gpu id>：选择一个训练资源ID，默认为0，如果没有GPU则使用CPU，设置-1，必须指定。

<seed>：默认1。

<log interval>：训练阶段log间隔数，默认500。

<eval>: 用于模型评估，可直接加载模型评估不同验证集跳过训练，默认为False，如使用则设置为True。

<ai_center>: 用于模型评估，输入模型路径。

执行此命令，用户可以进行IVFast的训练测试，使用范例：

1) 模型训练：

python3 run_dcnet.py --save_path ./save_path/ --data_path /data1/AscendFaissTestData/ --data_name "webfaceLPS" --learn_name learn10m --warmup 3 --epochs 20 --lr 1e-4 --param_list 256 512 1024 2048 8192 16384 --use_drop True --drop_prop 0.05 --percents 0.0 0.8 1.0 1.25 1.50 --use_amp True --gpu 3

2) 模型评估：

python3 run_dcnet.py --save_path ./save_path/ --data_path /data1/AscendFaissTestData/ --data_name "webfaceST" --learn_name learn10m --eval True --ai_center ./save_path/ivfast.npy --gpu 3 --percents 0.0 0.8 1.0 1.25 1.50