概述

简述

open_clip是由OpenAI开源的文图匹配预训练模型，通过在LAION-400M、LAION-2B等大规模文图数据上进行自监督预训练，使模型具备强大的跨模态能力，凭借此能力，open_clip在文图检索、问答等多种下游任务中取得惊人效果。

• 参考实现：

  url=https://github.com/mlfoundations/open_clip
  commit_id=3b081484c360569179e270016b5549b7686d42ab

• 适配昇腾 AI 处理器的实现：

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

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 1.11	-
  PyTorch 2.1	-

• 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，安装模型需要的依赖。

  pip install -r requirements.txt
  python3 -m pip install -e .

准备预训练模型与词表

• 在官网下载CLIP-ViT-B-32-laion2B-s34B-b79K预训练模型（只需微调任务下载）
• 下载bpe_simple_vocab_16e6.txt.gz词表文件，并放在src/open_clip路径下

预训练数据集

1. 根据官方仓README中提供的链接下载webdataset格式的LAION数据集，数据集目录结构如下所示。

   ├── LAION
      ├──00000.tar
      ├──00001.tar              
      ├──00002.tar
      ├──00003.tar 
      ......

微调数据集

1. 获取数据集flickr30k。

2. 使用tools/flickr30k_handle.py切分出训练集与测试集。将flickr30k_handle.py拷贝至数据集目录下并执行，生成flickr30k_test.csv与flickr30k_train.csv

   数据集目录结构参考如下所示。

   ├── flickr30k
      ├──flickr30k-images   
      ├──flickr30k_test.csv                  
      ├──flickr30k_train.csv     

   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

预训练任务

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/train_full_1p_pretrain.sh --train_data="/UserPath/LAION/{00000..00499}.tar" --train_num_samples=2000000 # 单卡训练
     
     bash test/train_performance_1p_pretrain.sh --train_data="/UserPath/LAION/{00000..00499}.tar" --train_num_samples=2000000 # 单卡性能

   • 单机8卡训练

     启动8卡训练

     bash test/train_full_8p_pretrain.sh --train_data="/UserPath/LAION/{00000..00499}.tar" --train_num_samples=2000000 # 单机8卡训练
     
     bash test/train_performance_8p_pretrain.sh --train_data="/UserPath/LAION/{00000..00499}.tar" --train_num_samples=2000000 # 单机8卡性能

   模型训练脚本参数说明如下。

   公共参数：
   --train_data                             //训练数据路径，{}中的文件数量可自行指定
   --train_num_samples                      //样本数量，需要根据train_data中的数据集数量自行指定，数量大致一致即可，无需精确

   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。

微调任务

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/train_full_1p.sh --data_path=flickr30k数据路径 --pretrain_model=预训练模型路径       # 单卡训练
     
     bash test/train_performance_1p.sh --data_path=flickr30k数据路径 --pretrain_model=预训练模型路径       # 单卡性能

   • 单机8卡训练

     启动8卡训练。

     bash test/train_full_8p.sh --data_path=flickr30k数据路径 --pretrain_model=预训练模型路径       # 8卡训练
     
     bash test/train_performance_8p.sh --data_path=flickr30k数据路径 --pretrain_model=预训练模型路径       # 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：
   --device_id                             //训练卡id指定
   --data_path                             //数据路径
   --pretrain_model                        //预训练模型路径

   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 预训练任务结果展示表

NAME	精度	FPS	Epochs	precision	batch_size
8p-竞品A	-	7816	10	amp	2560
8p-NPU	相对Loss误差<2%	5904	10	amp	2560

表 3 微调任务结果展示表

NAME	image_to_text_R@5	FPS	Epochs	precision	batch_size
1p-NPU	-	563	2	amp	128
1p-竞品V	-	544	2	amp	128
8p-NPU	0.777	3342	20	amp	1024
8p-竞品V	0.779	2883	20	amp	1024

版本说明

变更

2023.05.16：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