概述
简述
shuffleNetV2是一个改进shuffleNetV1的轻量级的网络，为了解决在有限计算资源下特征通道数量不够多的问题，引入了一个简单的通道分离的操作，使得shuffleNetV2在很小的计算成本下性能优于其它网络。
参考实现：
url=https://github.com/megvii-model/ShuffleNet-Series.git commit_id=d69403d4b5fb3043c7c0da3c2a15df8c5e520d89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 pillow==8.4.0 PyTorch 1.8 pillow==9.1.0 PyTorch 1.11 pillow==9.1.0 PyTorch 2.1 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 pip install -r 1.11_requirements.txt # PyTorch1.11版本 pip install -r 2.1_requirements.txt # PyTorch2.1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
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
--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 //数据集路径 --addr //主机地址 --seed //初始化训练种子 --workers //加载数据进程数 --learning-rate //初始学习率 --print-freq //打印频率 --eval-freq //测试周期 --arch //所选模型架构 --dist-backend='hccl' //通信后端 --batch-size //训练批次大小 --epoch //重复训练次数 --warm_up_epochs //warm up --rank //节点编号 --amp //是否使用混合精度 --momentum //动量 --wd //权重衰减 --device-list //卡号 --benchmark //设置benchmark状态 --device_num //使用卡数 --dist-url //设置分布式训练的网址 --multiprocessing-distributed //使是否使用多卡训练 --world-size //分布式训练节点数量训练完成后，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 | - | - | - | - | - |
| 8p-竞品V | - | - | - | - | - |
| 1p-NPU | - | 5038.508 | 1 | O2 | 1.8 |
| 8p-NPU | 65.158 | 17420.493 | 240 | O2 | 1.8 |
版本说明
变更
2023.02.15：更新readme，重新发布。
2020.07.08：首次发布。
FAQ
1.某些版本的numpy会引发错误，请避免使用该版本：1.19.2。
2.截至目前，Ascend Pytorch使用连续操作仍然效率低下，因此ShufflenetV2使用自定义方法实现，更多细节参阅models/shufflenetv2_wock_op_woct.py。
公网地址说明
代码涉及公网地址参考 public_address_statement.md