概述

简述

DynamicUNet 模型是一个图像分割任务上的SOTA模型，它赢得了许多Kaggle比赛， 该模型在工业中取得了广泛应用，该模型使我们能够在像素级别精确地对图像的每个部分进行分类。

• 参考实现：

  dynamic_unet:
   url=https://github.com/fastai/fastai/blob/master/fastai/vision/models/unet.py
   commit_id=7ec403cd41079bc81d80d48de67f7ab2b8141929
  awesome-semantic-segmentation-pytorch:
   url=https://github.com/Tramac/awesome-semantic-segmentation-pytorch
   commit_id=9d9e25da10e2299cf0c84b6e0be1c49085565d22  

• 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/semantic_segmentation

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==0.6.0
  PyTorch 1.8	torchvision==0.9.1
  PyTorch 1.11	torchvision==0.12.0
  PyTorch 2.1	torchvision==0.16.0

• 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。

   用户自行获取原始数据集 VOC2012 ，将下载好的VOCdevkit数据集解压放置在源码包根目录下或者软链到源码包根目录下。 数据集目录结构参考如下所示。

    VOCdevkit
        └── VOC2012
            ├── Annotations
            ├── ImageSets
            │   └── Segmentation
            ├── JPEGImages
            ├── SegmentationObject
            └── SegmentationClass              

   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

该模型的训练需要 resnet50-19c8e357.pth 预训练模型，在训练过程中其会自动下载，若存在网络等问题无法在训练时下载，请手动下载并放置于任意目录下，且在训练时需指定 --more_path1=path/to/resnet50 。预训练模型目录结构参考如下：

path/to/resnet50
         └── resnet50-19c8e357.pth

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 --more_path1=path/to/resnet50 # 单卡性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --more_path1=path/to/resnet50 # 8卡精度
     bash ./test/train_performance_8p.sh --more_path1=path/to/resnet50 # 8卡性能   

   注：more_path1为可选参数，用于指定预训练模型位置。

   模型训练脚本参数说明如下。

   公共参数：
   --dataset-path                      //数据集路径
   --worker                            //加载数据进程数      
   --epochs                            //重复训练次数
   --batch-size                        //训练批次大小，默认：240
   --lr                                //初始学习率，默认：1
   --momentum                          //动量，默认：0.9
   --weight_decay                      //权重衰减，默认：4e-5
   --amp                               //是否使用混合精度

   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	mIoU	FPS	Epochs	AMP_Type	Torch_Version
1P-竞品V	-	-	-	O1	1.5
8P-竞品V	-	-	50	O1	1.5
1P-NPU	-	7.29	-	O1	1.8
8P-NPU	0.521	52.76	50	O1	1.8

版本说明

变更

2022.11.26：更新Readme。

FAQ

无。

公网地址说明

代码涉及公网地址参考 public_address_statement.md