概述
简述
SPACH是由来自Microsoft Research和中国科学技术大学的学者提出的神经网络框架，在论文中将其作为统一框架对Transformer，MLP，CNN模型进行了对比。 这个框架总体来说有两种模式：多阶段和单阶段。每个阶段内部采用的是Mixing Block，而该Mixing Block可以是卷积层、Transformer层以及MLP层。本文使用PyTorch实现了使用SPACH训练imagenet数据集的具体实例。
参考实现：
url=https://github.com/microsoft/SPACH.git commit_id=49e1a8847c8c4d8d3c576479cb2fe2fd2ac583de适配昇腾 AI 处理器的实现：
url=https://gitee.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。
安装numactl。
apt-get install numactl # for Ubuntu yum install numactl # for CentOS
准备数据集
获取数据集。
用户自行获取原始数据集，可选用的开源数据集包括ImageNet2012，将数据集上传到服务器任意路径下并解压。
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 │ ...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
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 --resume=ckpt_path
--data_path参数填写数据集路径，需写到数据集的一级目录。
--resume参数填写模型训练生成的ckpt文件路径，写到文件的一级目录即可。
模型训练脚本参数说明如下。
公共参数： --data-path //数据集路径 --model //使用模型 --num_workers //加载数据进程数 --weight-decay //权重衰减 --npu //是否使用npu --batch-size //训练批次大小 --dist-eval //启用分布式评估 --epochs //训练周期数 --seed //随机数种子设置训练完成后，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 | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version |
|---|---|---|---|---|---|
| 1p-竞品V | - | 298.9424 | 1 | O2 | 1.5 |
| 8p-竞品V | 81.6 | 2604.2726 | 300 | O2 | 1.5 |
| 1p-NPU | - | 384.99 | 1 | O2 | 1.8 |
| 8p-NPU | 81.23 | 2936.68 | 300 | O2 | 1.8 |
版本说明
变更
2023.02.23：更新readme，重新发布。
2022.04.27：首次发布。
FAQ
无。