--- title: SimMIM-PyTorch-模型库-ModelZoo-昇腾社区 description: SimMIM采用最简单的MIM方法：随机mask掉输入图像的一部分patch，然后通过encoder-decoder来预测masked patchs的原始像素值。 keywords: SimMIM,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/3ce7379575ea410ca996125c461bf26f section: (其他) --- # SimMIM-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/3ce7379575ea410ca996125c461bf26f 描述: SimMIM采用最简单的MIM方法：随机mask掉输入图像的一部分patch，然后通过encoder-decoder来预测masked patchs的原始像素值。 关键词: SimMIM,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) SimMIM-PyTorch ## SimMIM-PyTorch 视觉分类PyTorch训练195次浏览2026/02/02更新 查看模型源码 SimMIM-PyTorch 查看模型源码 ... # 概述 ## 简述 本文档介绍了SimMIM，一个用于掩蔽图像建模的简单框架。通过系统研究，我们发现每个组件的简单设计都显示出非常强大的表示学习性能：使用中等大小的遮罩补丁（例如，32）随机屏蔽输入图像，使文本前任务变得强大；通过直接回归预测RGB值的原始像素并不比复杂设计的斑块分类方法差；预测头可以像线性层一样轻，性能不会比重的更差。 - 参考实现： ``` url=https://github.com/microsoft/SimMIM commit_id=519ae7b0999b9d720daa61e3848cd41b8fbd9978 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/built-in/cv/classification ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | torchvision==0.2.2.post3；pillow==8.4.0 | | PyTorch 1.8 | torchvision==0.9.1；pillow==9.1.0 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。 ``` pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本 ``` 说明：只需执行一条对应的PyTorch版本依赖安装命令。 ## 准备数据集 1. 获取数据集。 用户自行获取原始数据集`ImageNet`，将数据集上传到服务器任意路径下并解压。 数据集目录结构参考如下所示。 ``` ├── ImageNet ├──train ├──类别1 │──图片1 │──图片2 │ ... ├──类别2 │──图片1 │──图片2 │ ... ├──... ├──val ├──类别1 │──图片1 │──图片2 │ ... ├──类别2 │──图片1 │──图片2 │ ... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 # 开始训练 ## Pre-Training 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/pretrain_performance_1p.sh --data_path=real_data_path # 单卡预训练性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/pretrain_performance_8p.sh --data_path=real_data_path # 8卡预训练性能 bash ./test/pretrain_full_8p.sh --data_path=real_data_path # 8卡预训练精度 ``` ## Fine-Tuning 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/finetune_performance_1p.sh --data_path=real_data_path # 单卡调优性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/finetune_performance_8p.sh --data_path=real_data_path # 8卡调优性能 bash ./test/finetune_full_8p.sh --data_path=real_data_path # 8卡调优精度 ``` --data_path参数填写数据集路径，需写到数据集的一级目录。 模型训练脚本参数说明如下。 ``` 公共参数： --data-path //数据集路径 --output //输出文件路径 --batch-size //批大小 --local_rank //使用的NPU的id --pretrained //预训练模型路径 --opts TRAIN.EPOCHS //重复训练次数 ``` # 训练结果展示 ## Pre-Training训练结果展示表 | NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1p-竞品V | - | 185.6 | 2 | O1 | 1.8 | | 8p-竞品V | - | 1422 | 100 | O1 | 1.8 | | 1p-NPU | - | 198 | 2 | O1 | 1.8 | | 8p-NPU | - | 1555 | 100 | O1 | 1.8 | ## Fine-Tuning训练结果展示表 | NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1p-竞品V | - | 189.5 | 2 | O1 | 1.8 | | 8p-竞品V | 82.06 | 1410 | 100 | O1 | 1.8 | | 1p-NPU | - | 194 | 2 | O1 | 1.8 | | 8p-NPU | 81.782 | 1513 | 100 | O1 | 1.8 | # 版本说明 ## 变更 2022.12.14：首次发布。 ## FAQ 无。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)