--- title: DINO-PyTorch-模型库-ModelZoo-昇腾社区 description: DINO是一个非监督的图像语义分割模型。 keywords: DINO,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/4d2df45880b5434ca0926c9f9c4647ed section: (其他) --- # DINO-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/4d2df45880b5434ca0926c9f9c4647ed 描述: DINO是一个非监督的图像语义分割模型。 关键词: DINO,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) DINO-PyTorch ## DINO-PyTorch 视觉分割PyTorch训练1274次浏览2026/02/02更新 查看模型源码 DINO-PyTorch 查看模型源码 ... # 概述 ## 简述 DINO 是一个非监督的图像语义分割模型，模型结合transformer采用了一种没有标签的自蒸馏方法， 创造了一个teacher和一个student网络来处理非监督图像语义分割任务， 并基于小ViT模型产出的features，在k-NN分类器中达到78.1% top-1（Image-Net）。 - 参考实现： ``` url=https://github.com/facebookresearch/dino commit_id=cb711401860da580817918b9167ed73e3eef3dcf ``` - 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==0.6.0 | | PyTorch 1.8 | torchvision==0.9.1 | - 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，可选用的开源数据集包括ImageNet2012，CIFAR-10等，将数据集上传到服务器任意路径下并解压。 以ImageNet2012数据集为例，数据集目录结构参考如下所示。 ``` ├── ImageNet2012 ├──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 ## 训练模型 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。 ``` # --bin=True 表示开启二进制，--bin=False开启静态，不加参数默认走二进制 bash ./test/train_performance_1p.sh --data_path=/data/xxx/ # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` # --bin=True 表示开启二进制，--bin=False开启静态，不加参数默认走二进制 bash ./test/train_full_8p.sh --data_path=/data/xxx/ # 8卡精度 bash ./test/train_performance_8p.sh --data_path=/data/xxx/ # 8卡性能 ``` --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 --arch //模型结构 --output_dir //输出路径 --amp //是否使用混合精度 --optimizer //优化器 --num_workers //数据加载进程数 --epochs //训练重复次数 --num_steps //训练steps --batch_size //训练批次大小 --bin //是否开启二进制 ``` 训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。 # 训练结果展示 表 2训练结果展示表 | Name | Acc@1 | FPS | Npu_nums | Epochs | AMP_Type | CPU | Torch_Version | | --- | --- | --- | --- | --- | --- | --- | ---| | 1P-竞品V | - | - | 1 | 1 | - | - | 1.5 | | 8P-竞品V | - | - | 8 | 100 | - | - | 1.5 | | 1P-NPU | - | 183 | 1 | 1 | O1 | ARM | 1.8 | | 8P-NPU | 69.7 | 1393 | 8 | 100 | O1 | ARM | 1.8 | | 1P-NPU | - | 190 | 1 | 1 | O1 | X86 | 1.8 | | 8P-NPU | - | 1329 | 8 | 1 | O1 | X86 | 1.8 | 说明：ARM with 192 CPUs, X86 is Intel(R) Xeon(R) Platinum 8260 with 96 CPUs. # 版本说明 ## 变更 2022.12.23：Readme 整改。 ## 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)