Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
You can not select more than 25 topics
Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.
ZJUTER0126
03114584c0
|
1 year ago | |
|---|---|---|
| .idea | 1 year ago | |
| scripts | 1 year ago | |
| src | 1 year ago | |
| README.md | 1 year ago | |
| eval.py | 1 year ago | |
| requriments.txt | 1 year ago | |
| train.py | 1 year ago | |
README.md
目录
SwinTransformerV2描述
继Swin Transformer之后，微软在去年11月份发布了Swin Transformer V2，目前模型的实现以及预训练模型已经开源。Swin Transformer V2的核心是将模型扩展到更大的容量和分辨率，其中最大的模型SwinV2-G参数量达到了30亿，在物体检测任务上图像分辨率达到1536x1536，基于SwinV2-G的模型也在4个任务上达到了SOTA：在图像分类数据集ImageNet V2上达到了84.0%的top1准确度，在物体检测数据集COCO上达到了63.1/54.4的box/mask mAP，在语义分割数据集上ADE20K达到了59.9 mIoU，在视频分类数据集Kinetics-400上达到了86.8%，不过目前，只有COCO和ADE20K两个数据集上还保持SOTA。当将模型进行扩展时，作者发现面临两个主要的困难：一是大模型的训练变得不稳定，二是预训练模型增大窗口大小会出现性能下降。作者通过相应的优化策略重点解决这两个问题
数据集
使用的数据集：ImageNet2012
- 数据集大小：共1000个类、224*224彩色图像
- 训练集：共1,281,167张图像
- 测试集：共50,000张图像
- 数据格式：JPEG
- 注：数据在dataset.py中处理。
- 下载数据集，目录结构如下：
└─imagenet
├─train # 训练数据集
└─val # 评估数据集
特性
混合精度
采用混合精度
的训练方法，使用支持单精度和半精度数据来提高深度学习神经网络的训练速度，同时保持单精度训练所能达到的网络精度。混合精度训练提高计算速度、减少内存使用的同时，支持在特定硬件上训练更大的模型或实现更大批次的训练。
环境要求
- 硬件（Ascend）
- 使用Ascend来搭建硬件环境。
- 框架
- 如需查看详情，请参见如下资源：
脚本说明
脚本及样例代码
└── SwinTransformerV2
├── eval.py # 推理文件
├── export.py # 权重导出文件
├── README_CN.md # 说明文件
├── requriments.txt #
├── scripts
│ ├── run_distribute_train_ascend.sh # 卡Ascend910训练脚本
│ ├── run_eval_ascend.sh # Ascend测试脚本
│ └── run_standalone_train_ascend.sh # 单卡Ascend910训练脚本
├── src
│ ├── args.py # 参数文件
│ ├── configs
│ │ ├── parser.py
│ │ ├── pth2ckpt
│ │ │ ├── image22kto1k.txt # imagenet22k到imagenet1k的标签映射
│ │ │ └── pth2ckpt.ipynb # pytorch预训练权重转mindspore
│ │ └── swinv2_base_patch4_window12to16_192to256_22kto1k_ft.yaml # SwinTransformer的配置文件
│ ├── data
│ │ ├── augment # 数据增强文件
│ │ │ ├── auto_augment.py
│ │ │ ├── __init__.py
│ │ │ ├── mixup.py
│ │ │ ├── random_erasing.py
│ │ │ └── transforms.py
│ │ ├── data_utils # obs交互文件
│ │ │ ├── __init__.py
│ │ │ └── moxing_adapter.py
│ │ ├── imagenet.py # ImageNet数据类
│ │ └── __init__.py
│ ├── models # 模型定义
│ │ ├── __init__.py
│ │ ├── layers
│ │ │ ├── drop_path.py
│ │ │ └── identity.py
│ │ └── swin_transformer_v2.py
│ ├── tools
│ │ ├── callback.py # 回调函数
│ │ ├── cell.py # 关于cell的自定义类
│ │ ├── criterion.py # 损失函数
│ │ ├── get_misc.py # 功能函数
│ │ ├── __init__.py
│ │ ├── optimizer.py # 优化器文件
│ │ └── schedulers.py # 学习率策略
│ └── trainer
│ └── train_one_step.py # 自定义单步训练
└── train.py # 训练文件
脚本参数
在swinv2_base_patch4_window12to16_192to256_22kto1k_ft.yaml中可以同时配置训练参数和评估参数。
-
配置SwinTransformerV2和ImageNet-1k数据集。
# Architecture 86.2% arch: swinv2_base_patch4_window12to16_192to256_22kto1k_ft # SwinTransformerV2结构选择 # ===== Dataset ===== # data_url: ../data/imagenet # 数据集地址 set: ImageNet # 数据集名称 num_classes: 1000 # 分类数据的类别数 mix_up: 0.8 # MixUp系数 cutmix: 1.0 # CutMix系数 auto_augment: rand-m9-mstd0.5-inc1 # 随机数据增强参数 interpolation: bicubic # 插值方法 re_prob: 0.25 # random_erasing参数 re_mode: pixel # random_erasing参数 re_count: 1 # random_erasing参数 mixup_prob: 1.0 # mix_up的概率 switch_prob: 0.5 # mixup和cutmix的转换概率 mixup_mode: batch # mixup的模式 image_size: 256 # 图像大小 crop_pct: 0.875 # 图像缩放比例 # ===== Learning Rate Policy ======== # optimizer: adamw # 优化器类别 base_lr: 0.00005 # 基础学习率 warmup_lr: 0.00000002 # 学习率热身初始值 min_lr: 0.0000002 # 最小学习率 lr_scheduler: cosine_lr # 学习率变换策略 warmup_length: 5 # 学习率热身轮数 # ===== Network training config ===== # amp_level: O1 # 混合精度级别 keep_bn_fp32: True # 是否保持BN为FP32运算 beta: [ 0.9, 0.999 ] # 优化器一阶、二阶梯度系数 clip_global_norm_value: 5. # 全局梯度裁剪范数 is_dynamic_loss_scale: True # 是否为动态的损失缩放 epochs: 30 # 训练轮数 cooldown_epochs: 0 # 学习率冷却稀疏 label_smoothing: 0.1 # 标签平滑稀疏 weight_decay: 0.00000001 # 权重衰减系数 momentum: 0.9 # 优化器动量 batch_size: 32 # 单卡批次大小 drop_path_rate: 0.2 # drop path概率 # ===== Hardware setup ===== # num_parallel_workers: 16 # 数据预处理线程数 device_target: Ascend # 设备选择 # ==== Model Config ===== # # 预训练权重地址，自定义 pretrained: s3://open-data/SwinTransformer/src/configs/pth2ckpt/swinv2_base_patch4_window12_192_22k.ckpt
更多配置细节请参考脚本config.py。 通过官方网站安装MindSpore后，您可以按照如下步骤进行训练和评估：
训练和测试
-
Ascend处理器环境运行
# 使用python启动单卡训练 python train.py --device_id 0 --device_target Ascend --config ./src/configs/swinv2_base_patch4_window12to16_192to256_22kto1k_ft.yaml \ > train.log 2>&1 & # 使用脚本启动单卡训练 bash ./scripts/run_standalone_train_ascend.sh [DEVICE_ID] [CONFIG_PATH] # 使用脚本启动多卡训练 bash ./scripts/run_distribute_train_ascend.sh [RANK_TABLE_FILE] [CONFIG_PATH] # 使用python启动单卡运行评估示例 python eval.py --device_id 0 --device_target Ascend --config ./src/configs/swinv2_base_patch4_window12to16_192to256_22kto1k_ft.yaml \ --pretrained ./ckpt_0/swinv2_base_patch4_window12to16_192to256_22kto1k_ft.ckpt > ./eval.log 2>&1 & # 使用脚本启动单卡运行评估示例 bash ./scripts/run_eval_ascend.sh [DEVICE_ID] [CONFIG_PATH] [CHECKPOINT_PATH]对于分布式训练，需要提前创建JSON格式的hccl配置文件。
请遵循以下链接中的说明：
模型描述
性能
评估性能
ImageNet-1k上的SwinTransformerV2训练
| 参数 | Ascend |
|---|---|
| 模型 | SwinTransformerV2 |
| 模型版本 | swinv2_base_patch4_window12to16_192to256_22kto1k_ft |
| 资源 | Ascend 910 16卡 |
| 上传日期 | 2022-11-04 |
| MindSpore版本 | 1.5.1 |
| 数据集 | ImageNet-1k Train，共1,281,167张图像 |
| 训练参数 | epoch=30, batch_size=512 |
| 优化器 | AdamWeightDecay |
| 损失函数 | SoftTargetCrossEntropy |
| 损失 | 0.627 |
| 输出 | 概率 |
| 分类准确率 | 八卡：top1:86.35% top5:97.95% |
| 速度 | 16卡：619.446毫秒/步 |
| 训练耗时 | 14h51min03s（run on OpenI） |
ModelZoo主页
请浏览官网主页
2022昇腾AI创新大赛昇思赛道 第一批 赛题二：利用MindSpore实现Swin Transformer V2图像分类网络
Python Shell Jupyter Notebook Text
Contributors (1)
