下载
EN
注册
YOLACT-PyTorch

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。

    请用户自行准备coco数据集,将数据集放置在服务器的任意目录下并解压。

    数据集目录结构参考如下所示:

    ├── coco
        ├── val2017/
        ├── train2017/
        ├── annotations/
            ├── instances_train2017.json
            ├── instances_val2017.json
            ├── ......

    说明: 该数据集的训练过程脚本只作为一种参考示例。

获取预训练模型

请用户自行下载预训练模型resnet101_reducedfc.pth,并在源码包根目录下新建weights文件夹,将下载好的预训练模型存放至该路径下。

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/xxx/coco  # 单卡精度
      
      bash ./test/train_performance_1p.sh /data/xxx/coco  # 单卡性能
    • 单机8卡训练

      启动8卡训练。

      bash ./test/train_full_8p.sh /data/xxx/coco  # 8卡精度
      
      bash ./test/train_performance_8p.sh /data/xxx/coco  # 8卡性能

    /data/xxx/coco参数填写coco数据集的路径,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:
    --batch_size                        //训练批次大小
    --data                              //数据集路径
    --momentum                          //动量
    --seed                              //随机数种子设置
    --weight_decay                      //权重衰减
    --save_folder                       //权重保存文件
    --node_device                       //设置训练计算设备

    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

box mAP mask mAP FPS Npu_nums Epochs Steps AMP_Type
31.98 29.62 25.4 8 54 100000 O0

版本说明

变更

2023.03.10:更新readme,重新发布。

2021.07.14:首次发布。

FAQ

无。

使用模型资源和服务前,请您仔细阅读并理解透彻 《昇腾深度学习模型许可协议 3.0》