概述
简述
ResNet34网络是由来自Microsoft Research的4位学者提出的卷积神经网络,在2015年的ImageNet大规模视觉识别竞赛中获得了图像分类和物体识别的优胜。 残差网络的特点是容易优化,并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接(shortcut),缓解了在深度神经网络中增加深度带来的梯度消失问题。本文使用PyTorch实现了使用ResNet34训练imagenet数据集的具体实例。
参考实现:
url=https://github.com/pytorch/examples.git commit_id=49e1a8847c8c4d8d3c576479cb2fe2fd2ac583de
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 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
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
进入解压后的源码包根目录。
cd /${模型文件夹名称}
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/ # 单卡精度 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/ # 启动评测脚本前,需对应修改评测脚本中的resume参数,指定ckpt文件路径
--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: --a //使用模型 --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 --mom //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 --amp //是否使用混合精度 多卡训练参数: --multiprocessing-distributed //是否使用多进程在多GPU节点上进行分布式训练
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 | - | 972 | 1 | - | 1.5 |
8p-竞品V | 73.4 | 6964 | 130 | - | 1.5 |
1p-NPU | - | 2386 | 1 | O2 | 1.8 |
8p-NPU | 73.25 | 13863.422 | 130 | O2 | 1.8 |
版本说明
变更
2022.07.14:更新pytorch1.8版本,并发布。
2021.09.10: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