概述

简述

MobileNetV1是基于深度级可分离卷积构建的网络。 MobileNetV1将标准卷积拆分为了两个操作：深度卷积和逐点卷积 。 SSD是一种one-stage的目标检测框架。SSD_MobileNetV1使用MobileNetV1提取有效特征，之后SSD通过得到的特征图的信息进行检测。

• 参考实现：

  url=https://github.com/qfgaohao/pytorch-ssd
  commit_id=f61ab424d09bf3d4bb3925693579ac0a92541b0d

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/cv/detection

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
  PyTorch 1.8	torchvision==0.9.1

• 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。

   用户自行获取原始数据集，可选用的开源数据集包括VOCdevkit等，将数据集上传到服务器任意路径下并解压。

   以VOCdevkit数据集为例，数据集目录结构参考如下所示。

   |——VOCdevkit
        |——VOC2007（VOC2012）
            |——Annotations
            |——ImageSets
            |——JPEGImages
            |——SegmentationClass
            |——SegmentationObject
        |——test
            |——VOC2007
                |——Annotations
                |——ImageSets
                |——JPEGImages
                |——SegmentationClass
                |——SegmentationObject

   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

请用户在源码包根目录下新建"models/"文件夹，下载所需的预训练模型mobilenet_v1_with_relu_69_5.pth，并将预训练模型放置在"models/"文件夹下。

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_path=/data/xxx/ --validation_data_path=real_validation_path  # 单卡精度
     
     bash ./test/train_performance_1p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 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/ --validation_data_path=real_validation_path  # 8卡精度
     
     bash ./test/train_performance_8p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 8卡性能

   • 单机8卡评测

     启动8卡评测。

     bash ./test/train_eval.sh --data_path=/data/xx/ --pth_path=real_pre_train_model_path  

     说明： 评测脚本的--data_path参数填写验证集路径，需写到验证集一级目录。

   --data_path参数填写数据集路径，需写到数据集的一级目录；

   --validation_data_path参数填写测试集路径，需写到数据集的一级目录；

   --pth_path参数填写训练过程中生成的权重文件路径（默认存储在"models/"文件夹下）。

   模型训练脚本参数说明如下。

   公共参数：
   --datasets                          //数据集路径
   --addr                              //主机地址     
   --num_epochs                        //重复训练次数
   --batch_size                        //训练批次大小
   --lr                                //初始学习率
   --momentum                          //动量，默认：0.9
   --weight_decay                      //权重衰减，默认：0.0005
   --amp                               //是否使用混合精度
   --opt_level                         //混合精度类型

   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-NPU	0.67807	346	1	O1	1.8
8p-NPU	0.6849	2657	240	O2	1.8

版本说明

变更

2023.03.01：更新readme，重新发布。

FAQ

无。

公网地址说明

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