• 猫狗图像识别项目实战
• • 文件资料说明
  • 前置条件
  • 云脑1（CPU/GPU）模型调试与训练
  • 云脑2（Ascend NPU）模型调试
  • 云脑2（Ascend NPU）模型训练
  • 准确率训练结果

猫狗图像识别项目实战

本实战项目是一个猫狗识别的图像分类任务，基于CIFAR10的数据集和【PyTorch】，通过在云脑环境调试和训练模型，最终评估模型的准确率。

文件资料说明

• 《Case1》文件夹，是基于云脑1算力资源（CPU/GPU）进行任务调试与训练的代码文件

• 《Case2》文件夹，是基于云脑2算力资源（Ascend NPU）进行任务调试与训练的代码文件

• CIFAR10.zip，是本次项目使用的数据集

前置条件

• Python 3.6+
• PyTorch 1.0+

云脑1（CPU/GPU）模型调试与训练

ls

#（相应代码放在/code下，相应数据集放在/dataset下）
cd /code/case1 

python main.py

云脑2（Ascend NPU）模型调试

#克隆代码，在代码页的HTTPS点击复制链接，在此处!git clone后面粘贴链接
!git clone 

#解压数据集
!unzip cifar.zip

#运行代码
!python OpenI_test/case2/train.py --dataset_path ./cifar-10-batches-bin/

云脑2（Ascend NPU）模型训练

在新建训练任务中，输入指定文件为“case2/train.py”，数据集指定为cifar.zip，点击提交即可

准确率训练结果

Model	Acc.
VGG16	92.64%
ResNet18	93.02%
ResNet50	93.62%
ResNet101	93.75%
RegNetX_200MF	94.24%
RegNetY_400MF	94.29%
MobileNetV2	94.43%
ResNeXt29(32x4d)	94.73%
ResNeXt29(2x64d)	94.82%
SimpleDLA	94.89%
DenseNet121	95.04%
PreActResNet18	95.11%
DPN92	95.16%
DLA	95.47%