概述
简述
GoogleNet是于2014年提出的一种全新的深度学习结构，在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfit、梯度消失、梯度爆炸等。GoogleNet提出的inception结构则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果。
参考实现：
[object Object]适配昇腾 AI 处理器的实现：
[object Object]
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；pillow==8.4.0 PyTorch 1.8 torchvision==0.9.1；pillow==9.1.0 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。
[object Object]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。
[object Object]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。
[object Object]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。
[object Object]单机8卡训练
启动8卡训练。
[object Object]单机8卡评测
启动8卡评测。
[object Object]
--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。
[object Object]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 | - | 267 | 1 | - | 1.5 |
| 8p-竞品V | 70.105 | 5614 | 150 | - | 1.5 |
| 1p-NPU | - | 1668.04 | 1 | O2 | 1.8 |
| 8p-NPU | 70.829 | 8925.686 | 150 | O2 | 1.8 |
版本说明
变更
2022.08.01：更新pytorch1.8版本，重新发布。
2020.07.08：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