Skip to content

Easy-to-use image segmentation library with awesome pre-trained model zoo, supporting wide-range of practical tasks in Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.

License

Notifications You must be signed in to change notification settings

PaddlePaddle/PaddleSeg

Repository files navigation

PaddleSeg Benchmark with AMP

动态图

数据集cityscapes 放置于data目录下, 下载链接:https://paddleseg.bj.bcebos.com/dataset/cityscapes.tar

通过 --fp16 开启amp训练。

单机单卡使用如下命令进行训练:

export CUDA_VISIBLE_DEVICES=0
python train.py --config benchmark/hrnet.yml --iters 2000 --log_iters 10 --fp16

单机多卡使用如下命令进行训练:

export CUDA_VISIBLE_DEVICES=0,1
python -m paddle.distributed.launch train.py --config benchmark/hrnet.yml --iters 2000 --log_iters 10 --fp16
# fleet开启多卡训练
fleetrun train.py --config benchmark/hrnet.yml --iters 2000 --log_iters 10 --fp16

DeepLabv3+ 模型的配置文件为: benchmark/deeplabv3p.yml

注意

  • 动态图中batch_size设置为每卡的batch_size
  • DeepLabv3+ 支持通过传入 --data_format NHWC进行‘NHWC’数据格式的训练。

静态图

数据集cityscapes 放置于legacy/dataset目录下

通过 MODEL.FP16 True 开启amp训练 单机单卡使用如下命令进行训练:

cd legacy
export CUDA_VISIBLE_DEVICES=0
python pdseg/train.py --cfg configs/hrnetw18_cityscapes_1024x512_215.yaml --use_gpu  --use_mpio --log_steps 10 BATCH_SIZE 2 SOLVER.NUM_EPOCHS 3 MODEL.FP16 True

单机多卡使用如下命令进行训练:

export CUDA_VISIBLE_DEVICES=0,1
fleetrun pdseg/train.py --cfg configs/hrnetw18_cityscapes_1024x512_215.yaml --use_gpu  --use_mpio --log_steps 10 BATCH_SIZE 4 SOLVER.NUM_EPOCHS 3 MODEL.FP16 True

deeplabv3p模型的配置文件为: configs/deeplabv3p_resnet50_vd_cityscapes.yaml

注意 静态图中的BATCH_SIZE为总的batch size。

竞品

竞品为mmsegmentation

对应竞品配置文件为:

configs/hrnet/fcn_hr18_512x1024_80k_cityscapes.py

configs/deeplabv3plus/deeplabv3plus_r50-d8_512x1024_80k_cityscapes.py

相关执行方式请参考其官方仓库。