概述

简述

本文档介绍了SimMIM，一个用于掩蔽图像建模的简单框架。通过系统研究，我们发现每个组件的简单设计都显示出非常强大的表示学习性能：使用中等大小的遮罩补丁（例如，32）随机屏蔽输入图像，使文本前任务变得强大；通过直接回归预测RGB值的原始像素并不比复杂设计的斑块分类方法差；预测头可以像线性层一样轻，性能不会比重的更差。

• 参考实现：

  url=https://github.com/microsoft/SimMIM
  commit_id=519ae7b0999b9d720daa61e3848cd41b8fbd9978

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/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

1. 获取数据集。

   用户自行获取原始数据集 ImageNet ，将数据集上传到服务器任意路径下并解压。

   数据集目录结构参考如下所示。

   ├── ImageNet
         ├──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

Pre-Training

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/pretrain_performance_1p.sh --data_path=real_data_path  # 单卡预训练性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/pretrain_performance_8p.sh --data_path=real_data_path  # 8卡预训练性能
     bash ./test/pretrain_full_8p.sh --data_path=real_data_path # 8卡预训练精度

Fine-Tuning

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/finetune_performance_1p.sh --data_path=real_data_path  # 单卡调优性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/finetune_performance_8p.sh --data_path=real_data_path  # 8卡调优性能
     bash ./test/finetune_full_8p.sh --data_path=real_data_path # 8卡调优精度

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data-path                              //数据集路径
   --output                                 //输出文件路径
   --batch-size                             //批大小
   --local_rank                             //使用的NPU的id
   --pretrained                             //预训练模型路径
   --opts TRAIN.EPOCHS                      //重复训练次数

训练结果展示

Pre-Training训练结果展示表

NAME	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	185.6	2	O1	1.8
8p-竞品V	-	1422	100	O1	1.8
1p-NPU	-	198	2	O1	1.8
8p-NPU	-	1555	100	O1	1.8

Fine-Tuning训练结果展示表

NAME	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	189.5	2	O1	1.8
8p-竞品V	82.06	1410	100	O1	1.8
1p-NPU	-	194	2	O1	1.8
8p-NPU	81.782	1513	100	O1	1.8

版本说明

变更

2022.12.14：首次发布。

FAQ

无。