ad2a1da9创建于 2025年12月3日历史提交

SSD-Resnet for PyTorch

概述
准备训练环境
开始训练
训练结果展示
版本说明

概述

简述

SSD模型是用于图像检测的模型，通过基于Resnet34残差卷积网络(基础网络)，并向网络添加辅助结构，产生具有多尺度特征图的预测。在多个尺度的特征图中使用不同的默认框形状，可以有效地离散地输出不同大小的框，面对不同的目标可以有效地检测到，并且还可以对目标进行识别。

参考实现：

url=https://github.com/mlcommons/training_results_v0.7/tree/master/NVIDIA/benchmarks/ssd/implementations/pytorch
commit_id=585ce2c4fb80ae6ab236f79f06911e2f8bef180

适配昇腾 AI 处理器的实现：

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

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

Torch_Version	三方库依赖版本
PyTorch 1.5	torchvision==0.2.2.post3
PyTorch 1.8	torchvision==0.9.1

准备数据集

获取数据集。

请用户自行准备数据集coco，可通过脚本进行获取，在源码包根目录下执行一下命令。

source download_dataset.sh

数据集目录结构参考如下所示。

|-coco
|-- annotations
|   |-- captions_train2017.json
|   |-- captions_val2017.json
|   |-- instances_train2017.json
|   |-- instances_val2017.json
|   |-- person_keypoints_train2017.json
|   |-- person_keypoints_val2017.json
|-- train2017
|-- val2017
|-- test2017
|   |-- 000000000001.jpg
|   |-- 000000000016.jpg

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resnet34-333f7ec4.pth，存放在源码包根目录下。

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

单机8卡评测

启动8卡评测。

bash ./test/train_eval_8p.sh --data_path=/data/xxx/ --checkpoint_path=real_pre_train_model_path

--data_path参数填写数据集路径，需写到数据集的一级目录。

--checkpoint_path参数填写训练生成的权重文件路径。

模型训练脚本参数说明如下。

公共参数：
--data                              //数据集路径
--batch-size                        //训练批次大小
--loss_scale                        //loss scale大小
--epochs                            //训练周期数
--seed                              //随机数种子设置
--lr                                //初始学习率
--device_id                         //训练卡id设置

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	CPU_Type	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1p-NPU	ARM	-	351.35	1	O2	1.8
8p-NPU	非ARM	-	1446	1	O2	1.8
8p-NPU	ARM	0.23	1700	90	O2	1.8

版本说明

变更

2023.03.08：更新readme，重新发布。

2021.07.08：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