训练MobileNetV3图像分类模型（PyTorch 1.8.1）

本节以OS为openEuler作为示例，通过训练MobileNetV3图像分类模型，验证环境是否可用。

1. 以root用户登录服务器。
2. 执行如下命令安装git工具，若已安装git工具，可跳过该步骤。

   yum install -y git

   若出现“ModuleNotFoundError: No module named 'dnf'”报错信息，请参见No module named 'dnf'解决。

3. 在服务器任意目录下（如“/home”），执行如下命令获取模型脚本并进入“模型代码目录”。

   git clone https://gitee.com/ascend/ModelZoo-PyTorch.git
   cd ModelZoo-PyTorch/PyTorch/contrib/cv/classification/MobileNetV3_large_100_for_PyTorch

   

   下文中的“模型代码目录”均指“ModelZoo-PyTorch/PyTorch/contrib/cv/classification/MobileNetV3_large_100_for_PyTorch”目录

   如果返回类似以下回显信息：

   fatal: unable to access 'https://gitee.com/ascend/samples.git/': server certificate verification failed. CAfile: none CRLfile: none

   则执行如下命令关闭证书检验后，再执行上述命令获取模型脚本。

   git config --global http.sslVerify "false"

4. 安装模型训练依赖。

   pip3 install -r requirements.txt
   pip3 install git+https://github.com/rwightman/pytorch-image-models.git

5. 准备数据集，将数据集上传并解压到当前目录。

   单击链接，单击“Download”下载Tiny ImageNet小型数据集。若没有账号，请用户自行注册。Tiny ImageNet数据集为ImageNet数据集缩减版，方便用于模型验证。该网站为开源数据集下载地址，请勿用于商业用途。该链接若失效，请用户自行准备好数据集，包含训练集和验证集两部分，可选用的数据集包括ImageNet2012，CIFAR-10等。

   数据集目录结构参考：

   ├── tiny-imagenet-200
   │    ├──train├──类别1──图片1、2、3、4
   │    │         │          
   │    │         ├──类别2──图片1、2、3、4
   │    │                     
   │    ├──val  ├──类别1──图片1、2、3、4
                    │
                    ├──类别2──图片1、2、3、4

   

   该数据集的训练过程脚本只作为一种参考示例。

6. 在“模型代码目录”下，执行如下命令运行训练脚本。“--data_path”参数填写数据集路径，请用户根据实际情况替换。

   bash ./test/train_full_1p.sh --data_path=./tiny-imagenet-200

   模型训练脚本参数说明如下：

   • --model mobilenetv3_large_100：使用模型。
   • --opt sgd：优化器。
   • --workers：加载数据进程数。
   • --epoch：重复训练次数。
   • --batch-size：训练批次大小。
   • --lr：初始学习率，默认：1.6。
   • --momentum：动量，默认：0.9。
   • --weight_decay：权重衰减。
   • --amp：是否使用混合精度。
   • --loss-scale：混合精度lossscale大小。
7. 用户可在模型训练过程中重新打开一个窗口，在“模型代码目录/test/output/0”目录下执行tail -f 日志文件名命令实时查看训练日志。

   若训练日志出现如下报错，请参考缺少lzma模块解决。

   ModuleNotFoundError: No module named '_lzma'

   运行成功后，屏幕会打印模型信息和训练过程信息。