---
title: YOLACT-PyTorch-模型库-ModelZoo-昇腾社区
description: 生态贡献模型
keywords: YOLACT,PyTorch,模型库,ModelZoo,昇腾社区,准备训练环境,准备环境,准备数据集
url: https://www.hiascend.com/software/modelzoo/models/detail/f0356524c8a9448ca2fef2c57ebbe09d?index_id=f0356524c8a9448ca2fef2c57ebbe09d
section: (其他)
---

# YOLACT-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/f0356524c8a9448ca2fef2c57ebbe09d?index_id=f0356524c8a9448ca2fef2c57ebbe09d
描述: 生态贡献模型
关键词: YOLACT,PyTorch,模型库,ModelZoo,昇腾社区,准备训练环境,准备环境,准备数据集

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)

YOLACT-PyTorch

## YOLACT-PyTorch

视觉检测与跟踪PyTorch训练161次浏览2026/01/19更新

查看模型源码

YOLACT-PyTorch

查看模型源码

...

# 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。

请用户自行准备coco数据集，将数据集放置在服务器的任意目录下并解压。

数据集目录结构参考如下所示：

```
├── coco
    ├── val2017/
    ├── train2017/
    ├── annotations/
        ├── instances_train2017.json
        ├── instances_val2017.json
        ├── ......
```

说明：该数据集的训练过程脚本只作为一种参考示例。

### 获取预训练模型

请用户自行下载预训练模型resnet101_reducedfc.pth，并在源码包根目录下新建`weights`文件夹，将下载好的预训练模型存放至该路径下。

# 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/xxx/coco  # 单卡精度

bash ./test/train_performance_1p.sh /data/xxx/coco  # 单卡性能
```
- 单机8卡训练

启动8卡训练。

```
bash ./test/train_full_8p.sh /data/xxx/coco  # 8卡精度

bash ./test/train_performance_8p.sh /data/xxx/coco  # 8卡性能
```

`/data/xxx/coco`参数填写coco数据集的路径，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：
--batch_size                        //训练批次大小
--data                              //数据集路径
--momentum                          //动量
--seed                              //随机数种子设置
--weight_decay                      //权重衰减
--save_folder                       //权重保存文件
--node_device                       //设置训练计算设备
```

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

| box mAP | mask mAP | FPS | Npu_nums | Epochs | Steps | AMP_Type |
| --- | --- | --- | --- | --- | --- | ---|
| 31.98 | 29.62 | 25.4 | 8 | 54 | 100000 | O0 |

# 版本说明

## 变更

2023.03.10：更新readme，重新发布。

2021.07.14：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)