--- title: Vit_small_patch16_224-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: Vit,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/eb04ecf57d11493bb3c2183b7d5eb2a8?index_id=eb04ecf57d11493bb3c2183b7d5eb2a8 section: (其他) --- # Vit_small_patch16_224-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/eb04ecf57d11493bb3c2183b7d5eb2a8?index_id=eb04ecf57d11493bb3c2183b7d5eb2a8 描述: 生态贡献模型 关键词: Vit,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) Vit_small_patch16_224-PyTorch ## Vit_small_patch16_224-PyTorch 视觉分类PyTorch训练472次浏览2026/01/19更新 查看模型源码 Vit_small_patch16_224-PyTorch 查看模型源码 ... # 概述 ## 简述 Vit_small_patch16_224模型把Transformer设计思路用在视觉任务如图片分类上，通过图片分成一个个patch，然后把这些patch组合在一起作为对图像的序列化操作，就形成了类似文本类数据，从而扩展了视觉任务处理思路。 - 参考实现： ``` url=https://github.com/rwightman/pytorch-image-models commit_id=a41de1f666f9187e70845bbcf5b092f40acaf097 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/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 | | 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 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。 ``` 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 ``` --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： --model //使用模型，默认：vit_small_patch16_224 -j //加载数据进程数 --opt //使用优化器, --epochs //重复训练次数 -b //训练批次大小 --lr //初始学习率 --mixup //数据增强mixup系数 --weight_decay //权重衰减 --apex-amp //是否使用混合精度 --drop //dropout系数 --drop-path //drop-path系数 --device_num //使用卡数量 --npu //使用设备 --combine_grad //使能combine_grad功能 ``` 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 | Epochs | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1p-竞品v | - | 586.67 | 1 | O2 | 1.5 | | 8p-竞品v | 67.65 | 304.06 | 1 | O2 | 1.5 | | 1p-Npu | - | 4556.28 | 100 | O2 | 1.8 | | 8p-NPU | 67.67 | 2373.80 | 100 | O2 | 1.8 | # 版本说明 ## 变更 2020.10.14：更新内容，重新发布。 2020.07.08：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)