概述

简述

RegNetX-1.6GF是FAIR提出的一种RegNetX。RegNetX使用了新的网络设计范式，结合了手动设计网络和神经网络搜索（NAS）的优点。和手动设计网络一样，其目标是可解释性，可描述一些简单网络的一般设计原则，并在各种设置中泛化；又和NAS一样能够利用半自动过程来找到易于理解、构建和泛化的简单模型。

• 参考实现：

  url=https://github.com/facebookresearch/pycls
  commit_id=2647af9f32eb27d099bd852fb11f731876316757

• 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；pillow==8.4.0
  PyTorch 1.8	torchvision==0.9.1；pillow==9.1.0
  PyTorch 1.11	torchvision==0.12.0；pillow==9.1.0
  PyTorch 2.1	torchvision==0.16.0；pillow==9.1.0

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 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
  
  pip install -r 1.11_requirements.txt  # PyTorch1.11版本
  
  pip install -r 2.1_requirements.txt  # PyTorch2.1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。

   用户自行下载 ImageNet 数据集，将数据集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。

   ├── ImageNet
         ├──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_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

   • 单机8卡评测

     启动8卡评测。

     bash ./test/train_eval_8p.sh --data_path=/data/xxx/ --pth_path=real_pre_train_model_path # 8卡评测

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   --pth_path参数填写训练权重生成路径，需写到权重文件的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data                         //数据集路径
   --train-batch                  //训练批次大小
   --lr                           //初始学习率
   --wd                           // 权重衰减参数
   -c                             // 检查点路径
   --print-freq                   //打印频率
   --epochs                       //重复训练次数
   --opt-level                    // apex优化器级别
   --loss-scale                   // apex loss_scale值
   --device-id                    //使用设备
   --j                            //加载数据线程数
   --label-smoothing              // 标签平滑系数
   --warmup                       // warmup系数
   --rank                         // 进程全局排名
   --local_rank                   // 进程局部排名
   --world_size                   // 总进程数
   --log-name                     // 日志文件名字

   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	-	640	1	-	1.5
8p-竞品V	77.17	4600	100	-	1.5
1p-NPU-ARM	-	1824.49	1	O2	1.8
8p-NPU-ARM	77.34	14982.96	100	O2	1.8
1p-NPU-非ARM	-	1836.394	1	O2	1.8
8p-NPU-非ARM	-	8605.472	100	O2	1.8

版本说明

变更

2022.10.24：更新torch1.8版本，重新发布。

2020.12.19：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