MMcls 实例应用 & 超算平台的使用

MMClasification

MMcls

  • 深度学习模型的训练涉及几个方面:
      1. 模型结构：模型有几层、每层多少通道数等等
      2. 数据集：用什么数据训练模型: 数据集划分、数据文件路径、数据增强策略等等
      3. 训练策略：梯度下降算法、学习率参数、batch size 训练总轮次、学习率变化策略等等
      4. 运行时：GPU 、分布式环境配置等等
      5. 一些辅助功能：如打印日志、定时保存 checkpoint 等等
  • 在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练过程：
      1. model 字段定义模型
      2. data 字段定义数据
      3. optimizer、Ir_config 等字段定义训练策略
      4. load_from 字段定义与训练模型的参数文件
  • 配置文件的运作方式如下：
    配置文件的运作方式
  • 图像分类模型的构成：
    图像分类模型的构成
  • 图像分类模型的构建：
    图像分类模型的构建
  • 数据集的构建：
    数据集的构建
  • 定义数据加载流水线：
    数据加载流水线
  • 配置学习策略：
    学习策略
  • 预训练模型库：
    [MODEL ZOO SUMMARY](https://mmclassification.readthedocs.io/en/latest/modelzoo statistics.html)

相关链接