下载
EN
注册
ViT_base-PyTorch

概述

简述

该模型将自然语言处理中的注意力模型移植到图像识别中,切割输入图片并加入位置嵌入,从而得到多个向量输入,然后将多个注意力模块和感知层结合,最后利用输出的class token得到特征向量,并使用感知层进行分类。

  • 参考实现:

    url=https://github.com/rwightman/pytorch-image-models/blob/master/timm/models/vision_transformer.py
    commit_id=20b2d4b69dae2ec185a77a50cf1d38d55d94b657
  • 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 -
    PyTorch 1.8 -
    PyTorch 1.11 -
    PyTorch 2.1 -
  • 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,安装模型需要的依赖。

    pip install -r requirements.txt

准备数据集

  1. 获取数据集。

    用户自行获取原始数据集,可选用的开源数据集包括ImageNet2012,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_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:
    --amp                               //是否使用混合精度
    --addr                              //主机地址
    --seed                              //训练的随机数种子   
    --workers                           //加载数据进程数
    --learning-rate                     //初始学习率
    --momentum                          //动量
    --weight-decay                      //权重衰减
    --print-freq                        //打印周期
    --device                            //使用npu还是gpu
    --dist-backend                      //通信后端
    --epochs                            //重复训练次数
    --batch-size                        //训练批次大小
    --gpu                               //使用单卡id
    --rank                              //分布式训练节点编号
    --dist-url                          //启用分布式训练网址
    --multiprocessing-distributed       //是否使用多卡训练
    --world-size                        //分布式训练节点数量

    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 Npu_nums Epochs AMP_Type Torch_Version
1p-竞品V - 122 1 1 O1 1.5
8p-竞品V 80.772 5207 8 8 O1 1.5
1p-NPU - 614.548 1 1 O1 1.8
8p-NPU 80.55 4497.745 8 8 O1 1.8

版本说明

变更

2022.02.13:更新readme,重新发布。

2021.09.08:首次发布。

FAQ

无。

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》