概述
简述
Evo-ViT的具体框架设计，包括基于全局class attention的token选择以及慢速、快速双流token更新两个模块。其根据全局class attention的排序判断高信息token和低信息token，将低信息token整合为一个归纳token，和高信息token一起输入到原始多头注意力（Multi-head Self-Attention, MSA）模块以及前向传播（Fast Fed-forward Network, FFN）模块中进行精细更新。更新后的归纳token用来快速更新低信息token。全局class attention也在精细更新过程中进行同步更新变化。
参考实现：
url=https://github.com/YifanXu74/Evo-ViT commit_id=4c5d9b30b0a3c9b1e7b8687a9490555bd9d714ca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 PyTorch 1.8 torchvision==0.9.1 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。
关于
timm包的NPU优化补丁。# 需要先cd到模型源码包根目录下 # 执行以下命令，先后生成补丁并升级包 diff -uN {timm_path}/data/mixup.py ./fix_timm/mixup.py >mixup.patch diff -uN {timm_path}/optim/optim_factory.py ./fix_timm/optim_factory.py >optim.patch patch -p0 {timm_path}/data/mixup.py mixup.patch patch -p0 {timm_path}/optim/optim_factory.py optim.patch说明： timm_path为timm包的安装路径，一般timm包的安装位置在/usr/local/lib/python3.7/dist-packages/timm/。
准备数据集
获取数据集。
用户自行获取原始数据集
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。
获取预训练模型
Evo-Vit 模型训练需要配置 teacher—model ，用户自行获取 regnety_160-a5fe301d.pth 预训练模型，可参考GitHub的Evo-Vit。将获取的预训练模型放置在源码包根目录下。与源码中的配置参数的默认值 ./regnety_160-a5fe301d.pth 保持一致。
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_path //数据集路径 --model //模型名称 --batch-size //训练批次大小 --input-size //输入图像大小 --output_dir //输出路径训练完成后，权重文件保存在当前路径的save中，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 | - | 51 | 1 | O1 | 1.8 |
| 8p-竞品V | 73.54 | 487 | 100 | O1 | 1.8 |
| 1p-NPU | - | 66.93 | 1 | O1 | 1.8 |
| 8p-NPU | 74.32 | 510.72 | 100 | O1 | 1.8 |
版本说明
变更
2022.11.09：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