Skip to content

Latest commit

 

History

History
67 lines (55 loc) · 3.17 KB

README_CN.md

File metadata and controls

67 lines (55 loc) · 3.17 KB
Raw

简体中文 | English

使用教程——训练模型

本目录中整理了使用PaddleRS训练模型的示例代码。代码中均提供对示例数据的自动下载，并均使用GPU对模型进行训练。

示例代码路径 任务 模型
change_detection/bit.py 变化检测 BIT
change_detection/cdnet.py 变化检测 CDNet
change_detection/changeformer.py 变化检测 ChangeFormer
change_detection/dsamnet.py 变化检测 DSAMNet
change_detection/dsifn.py 变化检测 DSIFN
change_detection/fc_ef.py 变化检测 FC-EF
change_detection/fc_siam_conc.py 变化检测 FC-Siam-conc
change_detection/fc_siam_diff.py 变化检测 FC-Siam-diff
change_detection/fccdn.py 变化检测 FCCDN
change_detection/p2v.py 变化检测 P2V-CD
change_detection/snunet.py 变化检测 SNUNet
change_detection/stanet.py 变化检测 STANet
classification/condensenetv2.py 场景分类 CondenseNet V2
classification/hrnet.py 场景分类 HRNet
classification/mobilenetv3.py 场景分类 MobileNetV3
classification/resnet50_vd.py 场景分类 ResNet50-vd
image_restoration/drn.py 图像复原 DRN
image_restoration/esrgan.py 图像复原 ESRGAN
image_restoration/lesrcnn.py 图像复原 LESRCNN
object_detection/faster_rcnn.py 目标检测 Faster R-CNN
object_detection/fcosr.py 目标检测 FCOSR
object_detection/ppyolo.py 目标检测 PP-YOLO
object_detection/ppyolo_tiny.py 目标检测 PP-YOLO Tiny
object_detection/ppyolov2.py 目标检测 PP-YOLOv2
object_detection/yolov3.py 目标检测 YOLOv3
semantic_segmentation/bisenetv2.py 图像分割 BiSeNet V2
semantic_segmentation/deeplabv3p.py 图像分割 DeepLab V3+
semantic_segmentation/factseg.py 图像分割 FactSeg
semantic_segmentation/farseg.py 图像分割 FarSeg
semantic_segmentation/fast_scnn.py 图像分割 Fast-SCNN
semantic_segmentation/hrnet.py 图像分割 HRNet
semantic_segmentation/unet.py 图像分割 UNet

启动训练

  • 在安装完成PaddleRS后，使用如下命令执行单卡训练。脚本将自动下载训练数据。以DeepLab V3+图像分割模型为例：
# 指定需要使用的GPU设备编号
export CUDA_VISIBLE_DEVICES=0
python tutorials/train/semantic_segmentation/deeplabv3p.py
  • 如需使用多块GPU进行训练，例如使用2张显卡时，执行如下命令：
python -m paddle.distributed.launch --gpus 0,1 tutorials/train/semantic_segmentation/deeplabv3p.py

使用VisualDL可视化训练指标

将传入train()方法的use_vdl参数设为True，则模型训练过程中将自动把训练日志以VisualDL的格式存储到save_dir（用户自己指定的路径）目录下名为vdl_log的子目录中。用户可以使用如下命令启动VisualDL服务，查看可视化指标。同样以DeepLab V3+模型为例：

# 指定端口号为8001
visualdl --logdir output/deeplabv3p/vdl_log --port 8001

服务启动后，使用浏览器打开 https://0.0.0.0:8001 或 https://localhost:8001 即可进入可视化页面。