目录
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
- 下载数据集,目录结构如下:
└─dataset
├─train # 训练数据集
└─val # 评估数据集
Transformer最近已进行了大规模图像分类,获得了很高的分数,这动摇了卷积神经网络的长期霸主地位。但是,到目前为止,对图像Transformer的优化还很少进行研究。在这项工作中,作者为图像分类建立和优化了更深的Transformer网络。 特别是,作者研究了这种专用Transformer的架构和优化之间的相互作用。
作者进行了两次Transformer体系结构更改,从而显著提高了深度Transformer的精度。
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。
- 硬件(Ascend)
- 框架
- 如需查看详情,请参见如下资源:
脚本及样例代码
├── CAIT
├── README_CN.md // CAIT相关说明
├── ascend310_infer // Ascend310推理需要的文件
├── scripts
├──run_standalone_train_ascend.sh // 单卡Ascend910训练脚本
├──run_distribute_train_ascend.sh // 多卡Ascend910训练脚本
├──run_eval_ascend.sh // 测试脚本
├──run_infer_310.sh // 310推理脚本
├── src
├──configs // CAIT的配置文件
├──data // 数据集配置文件
├──imagenet.py // imagenet配置文件
├──augment // 数据增强函数文件
┕──data_utils // modelarts运行时数据集复制函数文件
│ ├──models // 模型定义文件夹
┕──cait // CAIT定义文件
│ ├──trainers // 自定义TrainOneStep文件
│ ├──tools // 工具文件夹
├──callback.py // 自定义回调函数,训练结束测试
├──cell.py // 一些关于cell的通用工具函数
├──criterion.py // 关于损失函数的工具函数
├──get_misc.py // 一些其他的工具函数
├──optimizer.py // 关于优化器和参数的函数
┕──schedulers.py // 学习率衰减的工具函数
├── train.py // 训练文件
├── eval.py // 评估文件
├── export.py // 导出模型文件
├── postprocess.py // 推理计算精度文件
├── preprocess.py // 推理预处理图片文件
脚本参数
在config.py中可以同时配置训练参数和评估参数。
-
配置CAIT和ImageNet-1k数据集。
# Architecture
arch: cait_XXS24_224 # CAIT结构选择
# ===== Dataset ===== #
data_url: ./data/imagenet # 数据集地址
set: ImageNet # 数据集名字
num_classes: 1000 # 数据集分类数目
mix_up: 0.8 # MixUp数据增强参数
cutmix: 1.0 # CutMix数据增强参数
auto_augment: rand-m9-mstd0.5-inc1 # AutoAugment参数
interpolation: bicubic # 图像缩放插值方法
re_prob: 0.25 # 数据增强参数
re_mode: pixel # 数据增强参数
re_count: 1 # 数据增强参数
mixup_prob: 1. # 数据增强参数
switch_prob: 0.5 # 数据增强参数
mixup_mode: batch # 数据增强参数
# ===== Learning Rate Policy ======== #
optimizer: adamw # 优化器类别
base_lr: 0.0005 # 基础学习率
warmup_lr: 0.00000007 # 学习率热身初始学习率
min_lr: 0.000006 # 最小学习率
lr_scheduler: cosine_lr # 学习率衰减策略
warmup_length: 5 # 学习率热身轮数
nonlinearity: GELU # 激活函数类别
# ===== Network training config ===== #
amp_level: O2 # 混合精度策略
keep_bn_fp32: True # 保持bn是fp32
beta: [ 0.9, 0.999 ] # adamw参数
clip_global_norm_value: 5. # 全局梯度范数裁剪阈值
is_dynamic_loss_scale: True # 是否使用动态缩放
epochs: 400 # 训练轮数
label_smoothing: 0.1 # 标签平滑参数
loss_scale: 1024 # 损失缩放
weight_decay: 0.05 # 权重衰减参数
momentum: 0.9 # 优化器动量
batch_size: 64 # 批次
# ===== Hardware setup ===== #
num_parallel_workers: 16 # 数据预处理线程数
device_target: GPU # GPU或者Ascend
# ===== Model config ===== #
drop_path_rate: 0.05 # drop_path概率
image_size: 224 # 图像大小
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:
导出过程
导出
python export.py --pretrained [CKPT_FILE] --cait_config [CONFIG_PATH] --device_target [DEVICE_TARGET] --file_format [FILE_FORMAT]
导出的模型会以模型的结构名字命名并且保存在当前目录下
性能
评估性能
ImageNet-1k上的cait
参数 |
GPU RTX3090 |
模型 |
CAIT |
模型版本 |
cait_XXS24_224 |
资源 |
GPU |
上传日期 |
2021-12-9 |
MindSpore版本 |
1.5.0 |
数据集 |
ImageNet-1k Train,共1,281,167张图像 |
训练参数 |
epoch=400, batch_size=64 |
优化器 |
AdamWeightDecay |
损失函数 |
SoftTargetCrossEntropy |
损失 |
1.002 |
输出 |
概率 |
分类准确率 |
八卡:top1:77.13% top5:93.61% |
速度 |
八卡:748 ms毫秒/步 |
训练耗时 |
约230h |
ModelZoo主页
请浏览官网主页