模型简介,论文模型概括
如包含多种模型架构,展示你实现的部分
提供你所使用的数据信息,检查数据版权,通常情况下你需要提供下载数据的链接,数据集的目录结构,数据集大小等信息
展示你在模型实现中使用的特性,例如分布式自动并行或者混合精度等一些特殊的训练技巧
提供运行该代码前需要的环境配置,包括:
- python第三方库,在模型root文件夹下添加一个'requirements.txt'文件,文件内说明模型依赖的第三方库
- 必要的第三方代码
- 其他的系统依赖
- 在训练或推理前额外的操作
展示可以直接运行的命令 按照你开发的版本,可能包含:
- 训练命令,推理命令,export命令
- Ascend版本,GPU版本,CPU版本
- 线下运行版本,线上运行版本
提供实现的细节
提供完整的代码目录展示(包含子文件夹的展开),描述每个文件的作用
注解模型中的每个参数,特别是
config.py
中的参数,如有多个配置文件,请注解每一份配置文件的参数
提供训练信息,区别于quick start,此部分需要提供除用法外的日志等详细信息
提供训练脚本的使用方法
例如:在昇腾上使用分布式训练运行下面的命令
bash run_distribute_train.sh [RANK_TABLE_FILE] [PRETRAINED_MODEL]
提供训练过程日志
# grep "loss is " train.log
epoch:1 step:390, loss is 1.4842823
epcoh:2 step:390, loss is 1.0897788
提供训练结果日志 例如:训练checkpoint将被保存在
XXXX/ckpt_0
中,你可以从如下的log文件中获取结果
epoch: 11 step: 7393 ,rpn_loss: 0.02003, rcnn_loss: 0.52051, rpn_cls_loss: 0.01761, rpn_reg_loss: 0.00241, rcnn_cls_loss: 0.16028, rcnn_reg_loss: 0.08411, rcnn_mask_loss: 0.27588, total_loss: 0.54054
epoch: 12 step: 7393 ,rpn_loss: 0.00547, rcnn_loss: 0.39258, rpn_cls_loss: 0.00285, rpn_reg_loss: 0.00262, rcnn_cls_loss: 0.08002, rcnn_reg_loss: 0.04990, rcnn_mask_loss: 0.26245, total_loss: 0.39804
提供如何根据预训练模型进行迁移训练的指南
同上
提供eval脚本用法
提供推理结果
例如:上述python命令将在后台运行,您可以通过eval.log文件查看结果。测试数据集的准确性如下:
accuracy:{'acc':0.934}
提供export脚本用法
提供export结果日志
提供推理脚本
bash run_infer_310.sh [MINDIR_PATH] [DATASET] [DATA_PATH] [LABEL_FILE] [DEVICE_ID]
提供推理结果
提供您训练性能的详细描述,例如finishing loss, throughput, checkpoint size等
你可以参考如下模板
Parameters | Ascend 910 | GPU |
---|---|---|
Model Version | ResNet18 | ResNet18 |
Resource | Ascend 910; CPU 2.60GHz, 192cores; Memory 755G; OS Euler2.8 | PCIE V100-32G |
uploaded Date | 02/25/2021 (month/day/year) | 07/23/2021 (month/day/year) |
MindSpore Version | 1.1.1 | 1.3.0 |
Dataset | CIFAR-10 | CIFAR-10 |
Training Parameters | epoch=90, steps per epoch=195, batch_size = 32 | epoch=90, steps per epoch=195, batch_size = 32 |
Optimizer | Momentum | Momentum |
Loss Function | Softmax Cross Entropy | Softmax Cross Entropy |
outputs | probability | probability |
Loss | 0.0002519517 | 0.0015517382 |
Speed | 13 ms/step(8pcs) | 29 ms/step(8pcs) |
Total time | 4 mins | 11 minds |
Parameters (M) | 11.2 | 11.2 |
Checkpoint for Fine tuning | 86M (.ckpt file) | 85.4 (.ckpt file) |
Scripts | link |
提供推理性能的详细描述,包括耗时,精度等
你可以参照如下模板
Parameters | Ascend |
---|---|
Model Version | ResNet18 |
Resource | Ascend 910; OS Euler2.8 |
Uploaded Date | 02/25/2021 (month/day/year) |
MindSpore Version | 1.1.1 |
Dataset | CIFAR-10 |
batch_size | 32 |
outputs | probability |
Accuracy | 94.02% |
Model for inference | 43M (.air file) |
说明该项目有可能出现的随机事件
此部分不需要出现在你的README中 maskrcnn_readme
如果你想参与贡献昇思的工作当中,请阅读昇思贡献指南和how_to_contribute
此部分根据自己的情况进行更改,填写自己的院校和邮箱
- c34 (Huawei)
请浏览官方主页。