M2Det

note

please download utils/pycocotools from origin repo:
https://github.com/VDIGPKU/M2Det/tree/master/utils/pycocotools

本项目实现了 M2Det 在 NPU 上的训练，迁移自 M2Det。

M2Det Detail

本项目对于 M2Det 做了如下更改：

将设备从 CUDA 迁移到 NPU 上；
使用 Apex 对原始代码进行修改，使用混合精度训练；
对于一些操作，使用 NPU 算子优化性能，同时将一些操作转移到 CPU 上进行。

Requirements

NPU 配套的 run 包安装
Python 3.7.5
PyTorch (NPU 版本)
Apex (NPU 版本)

导入环境变量

source test/env_npu.sh

安装 M2Det

pip3.7 install -r requirements.txt

获取权重文件

权重文件放在M2Det/weights目录下

m2det512_vgg.pth

vgg16_reducedfc.pth

准备数据集

获取train2014数据集，获取方法参考github中readme 的方法获取
创建目录

/root/data
      ├── coco_cache
      └── coco
          ├── annotations
              ├── instances_train2014.json
              ├── instances_val2014.json
              ├── instances_minival2014.json
              └── instances_valminusminival2014.json
          └── images
              ├── train2014
              └── val2014

编译初始化

进入模型所在目录M2Det下，然后执行

cd utils
bash make.sh

Training

单卡训练

bash test/train_full_1p.sh

8 卡训练

bash test/train_full_8p.sh

8 卡评估

评估前需要先跑完bash test/train_full_8p.sh指令

bash test/train_eval_8p.sh

单卡性能

bash test/train_performance_1p.sh

8 卡性能

bash test/train_performance_8p.sh

Demo

bash test/demo.sh

finetuning

bash test/train_finetune_1p.sh --device_id=0 --pth_path=weights/M2Det_COCO_size512_netvgg16_epoch150.pth


## M2Det Training Result
| 0.5:0.95 mAP |   FPS   | Npu_nums | Epochs   | AMP_Type |  Loss Scale  |
| :----------: | :-----: | :------: | :------: | :------: | :----------: |
| -            |  4.638  | 1        | 1        | O1       | 32.0         |
| 30.4         |  60.997 | 8        | 160      | O1       | 32.0         |

M2Det 的 batch_size 为 16。

公网地址说明

代码涉及公网地址参考 public_address_statement.md