--- title: DeepMar-PyTorch-模型库-ModelZoo-昇腾社区 description: DeepMar是一个深度多属性联合学习模型，把行人属性识别当做了多标签分类问题，并且能够很好地利用属性之间的关联关系。 keywords: DeepMar,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/c480e8086cf94feea4c081dfd7742326 section: (其他) --- # DeepMar-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/c480e8086cf94feea4c081dfd7742326 描述: DeepMar是一个深度多属性联合学习模型，把行人属性识别当做了多标签分类问题，并且能够很好地利用属性之间的关联关系。 关键词: DeepMar,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) DeepMar-PyTorch ## DeepMar-PyTorch 视觉检测与跟踪PyTorch训练171次浏览2026/01/19更新 查看模型源码 DeepMar-PyTorch 查看模型源码 ... # 概述 ## 简述 DeepMar是一个深度多属性联合学习模型，采用ResNet50做主干网络，把行人属性识别当做了多标签分类问题，并且能够很好地利用属性之间的关联关系。 - 参考实现： ``` url=https://github.com/dangweili/pedestrian-attribute-recognition-pytorch.git commit_id=468ae58cf49d09931788f378e4b3d4cc2f171c22 ``` - 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 | pillow==8.4.0 | | PyTorch 1.8 | 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。 请用户自行获取训练数据集peta，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。 ``` ├── peta ├──PETA.mat ├──images ├── 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。 ``` bash ./test/train_full_1p.sh --data_path=./dataset/peta/ # 单卡精度 bash ./test/train_performance_1p.sh --data_path=./dataset/peta/ 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh --data_path=./dataset/peta/ # 8卡精度 bash ./test/train_performance_8p.sh --data_path=./dataset/peta/ # 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： --save_dir // 数据集路径 --addr // 主机地址 --npu // 单卡训练指定训练用卡号 --workers // 加载数据进程数，默认：2 --total_epochs // 重复训练次数，默认150 --batch_size // 训练批次大小 --new_params_lr // 学习率，默认：0.001 --finetuned_params_lr // 最终学习率，默认：0.001 --steps_per_log // 打印间隔， 默认是20 --multiprocessing_distributed // 是否使用多卡训练 --device_list // 多卡训练指定训练用卡号，默认值：'0,1,2,3,4,5,6,7' --amp // 是否使用混合精度 --loss_scale // 混合精度loss scale大小 --opt_level // 混合精度类型 ``` 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 3训练结果展示表 | NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1p-NPU | - | 648.823 | 4 | O2 | 1.8 | | 8p-NPU | 76.52 | 4485.81 | 150 | O2 | 1.8 | # 版本说明 ## 变更 2023.02.21：更新readme，重新发布。 2022.03.08：首次发布。 ## FAQ 无。 # 公网地址说明 代码涉及公网地址参考 public_address_statement.md | 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)