概述
简述
传统的要提高模型的准确率,都是加深或者加宽网络,但是随着超参数数量的增加(比如channels数,filter size等等),网络设计的难度和计算的开销也会增加。而ResNeXt结构可以在不增加参数复杂度的前提下提高准确率,同时还减少了超参数的数量。ResNeXt同时采用VGG堆叠思想和Inception的split-transform-merge思想,可扩展性比较强,可以认为是在增加准群率的同时基本不改变或者降低模型的复杂度。
参考实现:
url=https://github.com/pytorch/examples/tree/master/imagenet 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;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。
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
ImageNet2012
数据集,将数据集上传到服务器任意路径下并解压。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/ # 8卡评测
--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: --addr //主机地址 --seed //初始化训练种子 --workers //加载数据进程数 --learning-rate //初始学习率 --print-freq //打印频率 --dist-backend='hccl' //通信后端 --batch-size //训练批次大小 --epoch //重复训练次数 --warm_up_epochs //warm up --rank //节点编号 --amp //是否使用混合精度 --momentum //动量 --wd //权重衰减 --gpu //卡号
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 | - | 126 | 1 | - | 1.5 |
8p-竞品V | 79.22 | 1200 | 90 | - | 1.5 |
1p-NPU | - | 482 | 1 | O2 | 1.8 |
8p-NPU | 79.422 | 3765 | 90 | O2 | 1.8 |
版本说明
变更
2020.12.10: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