deng fb9bc5ab38 更新 'README.md'		1 year ago
scripts	vit_base Ascend910	2 years ago

src	vit_base Ascend910	2 years ago

README.md	更新 'README.md'	1 year ago

eval.py	vit_base Ascend910	2 years ago

train.py	vit_base Ascend910	2 years ago

README.md

vit_base描述

Transformer架构已广泛应用于自然语言处理领域。本模型的作者发现，Vision Transformer（ViT）模型在计算机视觉领域中对CNN的依赖不是必需的，直接将其应用于图像块序列来进行图像分类时，也能得到和目前卷积网络相媲美的准确率。

论文：Dosovitskiy, A. , Beyer, L. , Kolesnikov, A. , Weissenborn, D. , & Houlsby, N.. (2020). An image is worth 16x16 words: transformers for image recognition at scale.

模型架构

Vision Transformer（ViT）的总体网络架构如下：链接

数据集

使用的数据集：ImageNet-1k

数据集大小：125G，共1000个类、125万张彩色图像
- 训练集：120G，共120万张图像
- 测试集：5G，共5万张图像
数据格式：RGB
- 注：数据将在src/dataset.py中处理。

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
- MindSpore
如需查看详情，请参见如下资源：
- MindSpore教程
- MindSpore Python API

快速入门

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：

Ascend处理器环境运行

# 运行训练示例
python train.py --device_id=0 > train.log 2>&1 &

# 运行分布式训练示例
bash ./scripts/run_train.sh [RANK_TABLE_FILE] imagenet

# 运行评估示例
python eval.py --checkpoint_path ./ckpt_0 > ./eval.log 2>&1 &

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：

https://gitee.com/mindspore/mindspore/tree/master/model_zoo/utils/hccl_tools.

脚本说明

脚本及样例代码

├── model_zoo
    ├── README.md                    // 所有模型相关说明
    ├── vit_base
        ├── README_CN.md             // vit_base相关说明
        ├── scripts
        │   ├──run_eval.sh           // Ascend评估的shell脚本
        │   ├──run_train.sh          // 分布式到Ascend的shell脚本
        ├── src
        │   ├──config.py             // 参数配置
        │   ├──configs.py            // 不同架构的ViT
        │   ├──dataset.py            // 创建数据集
        │   ├──modeling_ms.py        // vit_base架构
        ├── eval.py                  // 评估脚本
        ├── train.py                 // 训练脚本

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vit_base和ImageNet-1k数据集。

'name':'imagenet'        # 数据集
'pre_trained':'False'    # 是否基于预训练模型训练
'num_classes':1000       # 数据集类数
'lr_init':0.02           # 初始学习率，单卡训练时设置为0.02，八卡并行训练时设置为0.18
'batch_size':128         # 训练批次大小
'epoch_size':160         # 总计训练epoch数
'momentum':0.9           # 动量
'weight_decay':1e-4      # 权重衰减值
'image_height':224       # 输入到模型的图像高度
'image_width':224        # 输入到模型的图像宽度
'data_path':'/data/ILSVRC2012_train/'  # 训练数据集的绝对全路径
'val_data_path':'/data/ILSVRC2012_val/'  # 评估数据集的绝对全路径
'device_target':'Ascend' # 运行设备
'device_id':0            # 用于训练或评估数据集的设备ID使用run_train.sh进行分布式训练时可以忽略。
'keep_checkpoint_max':30 # 最多保存40个ckpt模型文件
'checkpoint_path':'./ckpt_0/train_vit_imagenet-156_10009.ckpt'  # checkpoint文件保存的绝对全路径

更多配置细节请参考脚本config.py。

训练过程

训练

Ascend处理器环境运行
```
python train.py --device_id=0 > train.log 2>&1 &
```
上述python命令将在后台运行，可以通过生成的train.log文件查看结果。

分布式训练

Ascend处理器环境运行
```
bash ./scripts/run_train.sh [RANK_TABLE_FILE] imagenet
```
上述shell脚本将在后台运行分布训练。

评估过程

评估

在Ascend环境运行时评估ImageNet-1k数据集

“./ckpt_0”是保存了训练好的.ckpt模型文件的目录。
```
python eval.py --checkpoint_path ./ckpt_0 > ./eval.log 2>&1 &
OR
bash ./scripts/run_eval.sh
```

模型描述

性能

评估性能

ImageNet-1k上的vit_base

参数	Ascend
模型版本	vit_base(ViT-B/16)
资源	Ascend 910
上传日期	2021-08-01
MindSpore版本	1.2.0
数据集	ImageNet-1k，5万张图像
训练参数	epoch=160, batch_size=128, lr_init=0.02（单卡为0.02,八卡为0.18）
优化器	Momentum
损失函数	Softmax交叉熵
输出	概率

ModelZoo主页

请浏览官网主页。