概述
简述
Vit_small_patch16_224模型把Transformer设计思路用在视觉任务如图片分类上，通过图片分成一个个patch，然后把这些patch组合在一起作为对图像的序列化操作，就形成了类似文本类数据，从而扩展了视觉任务处理思路。
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 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。
[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
用户自行获取原始数据集，可选用的开源数据集包括ImageNet2012，CIFAR-10等，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]
--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 | - | 586.67 | 1 | O2 | 1.5 |
| 8p-竞品v | 67.65 | 304.06 | 1 | O2 | 1.5 |
| 1p-Npu | - | 4556.28 | 100 | O2 | 1.8 |
| 8p-NPU | 67.67 | 2373.80 | 100 | O2 | 1.8 |
版本说明
变更
2020.10.14：更新内容，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