MMCLS 中的约定

配置文件命名规则

MMClassification 按照以下风格进行配置文件命名，代码库的贡献者需要遵循相同的命名规则。文件名总体分为四部分：算法信息，模块信息，训练信息和数据信息。逻辑上属于不同部分的单词之间用下划线 '_' 连接，同一部分有多个单词用短横线 '-' 连接。

{algorithm info}_{module info}_{training info}_{data info}.py

• algorithm info：算法信息，算法名称或者网络架构，如 resnet 等；

• module info： 模块信息，因任务而异，用以表示一些特殊的 neck、head 和 pretrain 信息；

• training info：一些训练信息，训练策略设置，包括 batch size，schedule 以及数据增强等；

• data info：数据信息，数据集名称、模态、输入尺寸等，如 imagenet, cifar 等；

算法信息

指论文中的算法名称缩写，以及相应的分支架构信息。例如：

• resnet50

• mobilenet-v3-large

• vit-small-patch32 : patch32 表示 ViT 切分的分块大小

• seresnext101-32x4d : SeResNet101 基本网络结构，32x4d 表示在 Bottleneck 中 groups 和 width_per_group 分别为32和4

模块信息

指一些特殊的 neck 、head 或者 pretrain 的信息， 在分类中常见为预训练信息，比如：

• in21k-pre : 在 ImageNet21k 上预训练

• in21k-pre-3rd-party : 在 ImageNet21k 上预训练，其权重来自其他仓库

训练信息

训练策略的一些设置，包括训练类型、 batch size、 lr schedule、 数据增强以及特殊的损失函数等等,比如: Batch size 信息：

• 格式为{gpu x batch_per_gpu}, 如 8xb32

训练类型(主要见于 transformer 网络，如 ViT 算法，这类算法通常分为预训练和微调两种模式):

• ft : Finetune config，用于微调的配置文件

• pt : Pretrain config，用于预训练的配置文件

训练策略信息，训练策略以复现配置文件为基础，此基础不必标注训练策略。但如果在此基础上进行改进，则需注明训练策略，按照应用点位顺序排列，如：{pipeline aug}-{train aug}-{loss trick}-{scheduler}-{epochs}

• coslr-200e : 使用 cosine scheduler, 训练 200 个 epoch

• autoaug-mixup-lbs-coslr-50e : 使用了 autoaug、mixup、label smooth、cosine scheduler, 训练了 50 个轮次

数据信息

• in1k : ImageNet1k 数据集，默认使用 224x224 大小的图片

• in21k : ImageNet21k 数据集，有些地方也称为 ImageNet22k 数据集，默认使用 224x224 大小的图片

• in1k-384px : 表示训练的输出图片大小为 384x384

• cifar100

配置文件命名案例

repvgg-D2se_deploy_4xb64-autoaug-lbs-mixup-coslr-200e_in1k.py

• repvgg-D2se: 算法信息

  • repvgg: 主要算法名称。

  • D2se: 模型的结构。

• deploy:模块信息，该模型为推理状态。

• 4xb64-autoaug-lbs-mixup-coslr-200e: 训练信息

  • 4xb64: 使用4块 GPU 并且 每块 GPU 的批大小为64。

  • autoaug: 使用 AutoAugment 数据增强方法。

  • lbs: 使用 label smoothing 损失函数。

  • mixup: 使用 mixup 训练增强方法。

  • coslr: 使用 cosine scheduler 优化策略。

  • 200e: 训练 200 轮次。

• in1k: 数据信息。 配置文件用于 ImageNet1k 数据集上使用 224x224 大小图片训练。

权重命名规则

权重的命名主要包括配置文件名，日期和哈希值。

{config_name}_{date}-{hash}.pth