概述
简述
模型基于“mmsegmentation”框架，实现了在“CityScapes”数据集上进行训练。
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；pillow==8.4.0 PyTorch 1.8 torchvision==0.9.1；pillow==9.3.0 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。
[object Object]说明： 只需执行一条对应的PyTorch版本依赖安装命令。
安装 MMCV。
在模型源码包根目录下执行命令，安装模型mmcv。
[object Object]安装 mmsegmentation
[object Object]
准备数据集
获取数据集。
请用户自行获取原始数据集cityscapes，下载
gtFine_trainvaltest.zip(241MB) 和leftImg8bit_trainvaltest.zip(11GB)。并在源码包根目录新建data文件夹，将下载好的数据集上传至该目录$BiseNetV1_for_PyTorch/data，执行以下命令进行解压。[object Object]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。
数据预处理（按需处理所需要的数据集）。
labelTrainIds.png用于城市景观训练，请执行以下命令对数据进行预处理。[object Object]
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]
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 | mIoU | FPS | Device | Npu_nums | Steps | AMP_Type | CPU |
|---|---|---|---|---|---|---|---|
| 1p-*PU | - | 9 | - | - | 400 | O1 | x86 |
| 1p-NPU1.8 | - | 12 | 910A | 1 | 400 | O1 | ARM |
| 8p-*PU | 75.80 | 62 | - | - | 40000 | O1 | x86 |
| 8p-NPU1.8 | - | 88 | 910A | 8 | 400 | O1 | ARM |
| 8p-NPU1.8 | 76.03 | 88 | 910A | 8 | 40000 | O1 | ARM |
版本说明
变更
2023.03.06：更新readme，重新发布。
2020.07.08：首次发布。
FAQ
建议使用“python”或“python3.7”来执行模型训练过程。如果需要使用“python3”，请在使用“python3”之前运行以下命令。
[object Object]