Shortcuts

NPU (华为昇腾)

使用方法

首先,请参考链接安装带有 NPU 支持的 MMCV 和链接安装 MMEngine。

使用如下命令,可以利用 8 个 NPU 在机器上训练模型(以 ResNet 为例):

bash tools/dist_train.sh configs/cspnet/resnet50_8xb32_in1k.py 8

或者,使用如下命令,在一个 NPU 上训练模型(以 ResNet 为例):

python tools/train.py configs/cspnet/resnet50_8xb32_in1k.py

经过验证的模型

Model

Top-1 (%)

Top-5 (%)

Config

Download

ResNet-50

76.40

93.21

config

model | log

ResNetXt-32x4d-50

77.48

93.75

config

model | log

HRNet-W18

77.06

93.57

config

model | log

ResNetV1D-152

79.41

94.48

config

model | log

SE-ResNet-50

77.65

93.74

config

model |log

ShuffleNetV2 1.0x

69.52

88.79

config

model | log

MobileNetV2

71.74

90.28

config

model | log

MobileNetV3-Small

67.09

87.17

config

model | log

*CSPResNeXt50

77.25

93.46

config

model | log

*EfficientNet-B4

75.73

92.9100

config

model |log

**DenseNet121

72.53

90.85

config

model | log

注意:

  • 如果没有特别标记,NPU 上的结果与使用 FP32 的 GPU 上的结果结果相同。

  • (*) 这些模型的训练结果低于相应模型中自述文件上的结果,主要是因为自述文件上的结果直接是 timm 训练得出的权重,而这边的结果是根据 mmcls 的配置重新训练得到的结果。GPU 上的配置训练结果与 NPU 的结果相同。

  • (**)这个模型的精度略低,因为 config 是 4 张卡的配置,我们使用 8 张卡来运行,用户可以调整超参数以获得最佳精度结果。

以上所有模型权重及训练日志均由华为昇腾团队提供

Read the Docs v: latest
Versions
latest
stable
mmcls-1.x
mmcls-0.x
dev
Downloads
epub
On Read the Docs
Project Home
Builds

Free document hosting provided by Read the Docs.