MGN for PyTorch

概述

简述

MGN（Multiple Granularity Network）是一个多分支的深度网络，采用了将全局信息和各粒度局部信息结合的端到端特征学习策略。

• 参考实现：

  url=https://github.com/GNAYUOHZ/ReID-MGN.git
  commit_id=f0251e9e6003ec6f2c3fbc8ce5741d21436c20cf
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/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	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。

  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。

   用户自行获取 Market-1501 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。

   ├── market1501
         ├──bounding_box_test
         ├──bounding_box_train  
         ├──query              
   

   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=/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
     

   • 单机8卡评测

     启动8卡评测。

     bash ./test/train_eval_8p.sh --data_path=/data/xxx/  # 启动评测脚本前，需对应修改评测脚本中的--weight参数，指定ckpt文件路径
     

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   --weight参数填写训练权重生成路径，需写到权重文件的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data_path                         //数据集路径
   --local_rank                        //训练设备卡号
   --npu                               //是否使用NPU进行训练
   --device_num                        //训练设备数量      
   --lr                                //初始学习率
   

   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	mAP	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	71.408	1	O2	1.5
8p-竞品V	93.35	771.818	500	O2	1.5
1p-NPU	-	29.408	1	O2	1.5
8p-NPU	93.83	200.024	500	O2	1.5

版本说明

变更

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