VOLO for PyTorch

概述

简述

VOLO是一种分类网络，VOLO采用两阶段架构设计，同时考虑了更具细粒度的token表示编码和全局信息聚合，并提出了一种新的Vision Outlooker模块，仅使用像素空间相邻的信息来生成attention权重，极大提升了精细级别的token编码时的效率。

• 参考实现：

  url=https://github.com/sail-sg/volo
  commit_id=cf35775276a887ccd749ad82c3ba0ac034020cc9
  
  

• 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；pillow==8.4.0
  PyTorch 1.8	torchvision==0.9.1；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

用户自行获取原始数据集，可选用的开源数据集包括ImageNet2012，CIFAR-10等，将数据集上传到服务器任意路径下并解压。用户还需自行下载token标签数据label_top5_train_nfnet。

以ImageNet2012数据集为例，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
                 │   ...

label_top5_train_nfnet数据集目录结构参考如下所示。

label_top5_train_nfnet
     ├──n02106662
           │──n02106662_122.pt
           │──n02106662_12323.pt
           │   ...
     ├──n02950826
           │──n02950826_11940.pt
           │──n02950826_17059.pt
           │   ...

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/ --label_path=/data/xxx  # 单卡精度
     
     bash ./test/train_performance_1p.sh --data_path=/data/xxx/ --label_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/ --label_path=/data/xxx  # 8卡精度
     
     bash ./test/train_performance_8p.sh --data_path=/data/xxx/ --label_path=/data/xxx  # 8卡性能
     

   • 单机单卡评测

     启动单卡评测。

     bash ./test/train_eval_1p.sh --data_path=/data/xxx/ --weight_path=real_pre_train_model_path  # 单卡评测
     

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   --label_path参数填写token标签数据，需填写到数据集的一级目录。

   --weight_path参数填写模型权重路径，需填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
   --model                                 //模型名字
   --img-size                              //数据集图片大小
   -j                                      //加载数据进程数
   --epoch                                 //重复训练次数
   -b                                      //训练批次大小
   --no-prefetcher                         //不采用预获取数据
   --lr                                    //初始学习率，默认：0.01
   --momentum                              //动量，默认：0.9
   --weight_decay                          //权重衰减，默认：0.0001
   --apex-amp                              //是否使用混合精度
   --loss-scale                            //混合精度lossscale大小
   --opt-level                             //混合精度类型
   --token-label                           //使用token标签数据
   --token-label-size                      //token标签数据大小
   --token-label-data                      //token标签数据路径
   

   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	Acc@1	AMP_Type	Epochs	FPS	TORCH_VERSION
1p-竞品V	-	O2	1	152.37	1.5
8p-竞品V	82.83	O2	1	1080.81	1.5
1p-NPU	--	O2	100	23.26	1.5
8p-NPU	81.79	O2	100	180.31	1.5

版本说明

变更

2020.10.14：更新内容，重新发布。

2020.07.08：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