概述

简述

DeepMar是一个深度多属性联合学习模型，采用ResNet50做主干网络，把行人属性识别当做了多标签分类问题，并且能够很好地利用属性之间的关联关系。

• 参考实现：

  url=https://github.com/dangweili/pedestrian-attribute-recognition-pytorch.git
  commit_id=468ae58cf49d09931788f378e4b3d4cc2f171c22

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/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	pillow==8.4.0
  PyTorch 1.8	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

1. 获取数据集。

   请用户自行获取训练数据集peta，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。

   ├── peta
         ├──PETA.mat                 
         ├──images  
              ├── 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

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=./dataset/peta/  # 单卡精度
     
     bash ./test/train_performance_1p.sh --data_path=./dataset/peta/  单卡性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path=./dataset/peta/  # 8卡精度
     
     bash ./test/train_performance_8p.sh --data_path=./dataset/peta/  # 8卡性能

   --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：
   --save_dir                          // 数据集路径
   --addr                              // 主机地址
   --npu                               // 单卡训练指定训练用卡号
   --workers                           // 加载数据进程数，默认：2 
   --total_epochs                      // 重复训练次数，默认150
   --batch_size                        // 训练批次大小
   --new_params_lr                     // 学习率，默认：0.001
   --finetuned_params_lr               // 最终学习率，默认：0.001
   --steps_per_log                     // 打印间隔， 默认是20
   --multiprocessing_distributed       // 是否使用多卡训练
   --device_list                       // 多卡训练指定训练用卡号，默认值：'0,1,2,3,4,5,6,7'
   --amp                               // 是否使用混合精度
   --loss_scale                        // 混合精度loss scale大小
   --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 3 训练结果展示表

NAME	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1p-NPU	-	648.823	4	O2	1.8
8p-NPU	76.52	4485.81	150	O2	1.8

版本说明

变更

2023.02.21：更新readme，重新发布。

2022.03.08：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