Ultra-Fast-Lane-Detection
这是Ultra-Fast-Lane-Detection模型在ResNet18模型上的训练部分,修改来自于cfzd/Ultra-Fast-Lane-Detection
Requirements
- 安装提供NPU支持的PyTorch和混合精度Apex模块
- 安装必备的依赖包,命令:
pip3.7 install -r requirements.txt
注:pillow建议安装较新版本, 与之对应的torchvision版本如果无法直接安装,可使用源码安装对应的版本,源码参考链接:https://github.com/pytorch/vision ,建议Pillow版本是9.1.0 torchvision版本是0.6.0
Training
训练模型需要使用所需的模型架构和 Tusimple 数据集的路径运行 train.py:
# 1p train perf
bash test/train_performance_1p.sh --data_path=数据集路径
# 8p train perf
bash test/train_performance_8p.sh --data_path=数据集路径
# 8p train full
bash test/train_full_8p.sh --data_path=数据集路径
# 8p eval
bash test/train_eval_8p.sh --data_path=数据集路径
# finetuning
bash test/train_finetune_1p.sh --data_path=数据集路径
注意:
- 所有训练脚本内部开头都包含train.py和tusimple.py。
- 具体路径需要使用者自己修改,同理测试脚本包含的test.py和tusimple.py也需要使用者根据具体情况修改路径
- train_performance_1p.log # 1p下测试性能的结果日志
- train_performance_8p.log # 8p下测试性能的结果日志
- train_full_8p.log # 8p 下完整训练的性能和精度的结果日志
- train_eval_8p.log # 8p 下验证精度的结果日志
- train_finetune_1p.log # 1p下fine-tuning的结果日志
UFLD训练结果
Metric | FPS | Epochs | AMP_Type | Device |
---|---|---|---|---|
153 | 1 | O1 | 1p Npu | |
94.98% | 1669 | 100 | O1 | 8p Npu |
122 | 1 | O1 | 1p Gpu | |
95.46% | 832 | 100 | O1 | 8p Gpu |