概述
简述
DenseNet-169是一个经典的图像分类网络,对于一个L层的网络,DenseNet共包含L*(L+1)/2个连接,相比ResNet,这是一种密集连接,他的名称也由此而来,另一大特色为通过特征在channel上的连接来实现特征重用(feature reuse),这些特点让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能。
参考实现:
url=https://github.com/pytorch/vision.git commit_id=882e11db8138236ce375ea0dc8a53fd91f715a90
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
获取数据集。
用户自行获取原始数据集,下载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
--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: --data-path //数据集路径 --model //使用模型,默认:densenet169 --device_id //指定训练所使用的npu device卡id --batch-size //训练批次大小 --epochs //重复训练次数 --workers //加载数据进程数 --lr //初始学习率,默认:0.1 --momentum //动量,默认:0.9 --weight-decay //权重衰减,默认:0.0004 --distributed //是否使用多卡训练 --apex //是否使用混合精度 --apex-opt-level //混合精度类型 --loss_scale_value //混合精度lossscale大小 --seed //设置随机数 --print-freq //输出模型训练精度和性能信息
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 | - | 637.079 | 1 | O2 | 1.8 |
8p-NPU | 73.726 | 5143.396 | 90 | O2 | 1.8 |
版本说明
变更
2023.02.21:更新readme,重新发布。
2022.03.18: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