---
title: DAL-PyTorch-模型库-ModelZoo-昇腾社区
description: DAL模型是一个高效的目标检测模型，它提出了匹配度度量来评估动态锚点的定位潜力，以此来更有效地分配标签。
keywords: DAL,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/e99cf2cd23184e9483289b28b32fc001
section: (其他)
---

# DAL-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/e99cf2cd23184e9483289b28b32fc001
描述: DAL模型是一个高效的目标检测模型，它提出了匹配度度量来评估动态锚点的定位潜力，以此来更有效地分配标签。
关键词: DAL,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)

DAL-PyTorch

## DAL-PyTorch

视觉检测与跟踪PyTorch训练132次浏览2026/02/13更新

查看模型源码

DAL-PyTorch

查看模型源码

...

# 概述

## 简述

DAL模型是一个高效的目标检测模型，它提出了匹配度度量来评估动态锚点的定位潜力，以此来更有效地分配标签。

- 参考实现：

```
url=https://github.com/ming71/DAL
commit_id=48cd29fdbf5eeea1b5b642bd1f04bbf1863b31e3
```
- 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/detection
```

# 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。
- 安装依赖库。

```
apt-get install libgl1 libgeos-dev
```
- 安装torch-warmup-lr。

```
# 处理ca证书不通过问题
apt-get install ca-certificates
git config --global http.sslverify false
# 安装torch-warmup-lr
git clone https://github.com/lehduong/torch-warmup-lr.git
cd torch-warmup-lr
python3.7 setup.py install
cd ..
```

## 准备数据集

1. 获取数据集。

请用户自行获取原始数据集UCAS-AOD，将数据集上传到服务器任意路径下并解压。
数据集展开后参考结构如下所示：

```
UCAS_AOD
 └───AllImages
 │   │   P0001.png
 │   │   P0002.png
 │   │    ...
 │   └───P1510.png
 └───Annotations
 │   │   P0001.txt
 │   │   P0002.txt
 │   │    ...
 │   └───P1510.txt       
 └───ImageSets 
 │   │   train.txt
 │   │   val.txt
 │   └───test.txt  
 └───Test
 │   │   P0003.png
 │   │    ...
 │   └───P1508.txt 
 └───CAR
 └───PLANE
 └───Neg            
```

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=/data/xxx/  # 单卡精度

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。

```
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
```
- 获得推理结果

推理启动脚本。

```
bash ./eval.sh
```

注意：训练过程中模型会自动下载预训练模型，若预训练模型下载失败，可以查看训练日志，获取下载地址和存放路径，手动下载后放到对应的位置。

--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：
--opt_level                         //混合精度类型，默认为O1
--dataset                           //数据集，默认为UCAS_AOD
--npus_per_node                     //每个节点上npu设备数目    
--learning-rate                     //初始学习率
--batch_size                        //训练批次大小
--epochs                            //重复训练次数
--weight                            //模型权重
--MASTER_PORT                       //主机端口号
--manual_seed                       //随机数种子设置
```

# 训练结果展示

表 2训练结果展示表

| NAME | mAP | FPS | Epochs | Batch_Size | Torch_Version |
| --- | --- | --- | --- | --- | ---|
| 1p-竞品V | 0.8987 | 7.3 | 100 | 2 | 1.5 |
| 1p-竞品V | 0.9076 | 9.52 | 100 | 8 | 1.5 |
| 8p-竞品V | 0.9089 | 17.78 | 100 | 64 | 1.5 |
| 1p-NPU | 0.91 | 10.802 | 100 | 8 | 1.5 |
| 8p-NPU | 0.916 | 63.880 | 100 | 64 | 1.5 |

# 版本说明

## 变更

2023.02.21：更新readme，重新发布。

## 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)