- 模型选择:如果要求预测时间或模型体积尽量小时,建议使用 MobileNetV3_large_xi_0
- 参数:
conf = { "epochs": 20, # 预估数据训练迭代次数,实际训练迭代最大次数会受系统限制,请注意日志输出 "batch_size": 16, # batch_size必须限制在以下范围:P4[1, 16]; V100[1, 32]; P40[1, 32]; # 实际训练时,显存占用会动态变化;当出现"Out of memory error on GPU"(显存不足)错误时,请适当减少batch_size "log_interval": 10, # 控制训练日志输入频率 "eval_interval": 5, # 控制评估的间隔迭代数, 过多的评估会影响模型训练速度,过少的评估会影响最优指标模型的挑选。 "mix_up": False, # 控制是否使用mix_up "mixup_alpha": 0.2, # mix_up参数值,设置在[0,1] "label_smoothing": False, # 控制是否使用label_smoothing "label_smoothing_epsilon": 0.1, # label_smoothing参数值,设置在[0,1] "input_size": 224, # 输入图片宽和高,大尺寸图片会导致显存溢出,建议范围[224,448] }
- 增强策略:默认
- 超参数据:脚本编译,看【参数】
- 显卡:GPU-P4-4节点
- 模型选择:ResNet50模型效果稳定,并且预测时间较短
- 参数:
conf = { "epochs": 20, # 预估数据训练迭代次数,实际训练迭代最大次数会受系统限制,请注意日志输出 "batch_size": 16, # batch_size必须限制在以下范围:P4[1, 16]; V100[1, 32]; P40[1, 32]; # 实际训练时,显存占用会动态变化;当出现"Out of memory error on GPU"(显存不足)错误时,请适当减少batch_size "log_interval": 10, # 控制训练日志输入频率 "eval_interval": 5, # 控制评估的间隔迭代数, 过多的评估会影响模型训练速度,过少的评估会影响最优指标模型的挑选。 "mix_up": False, # 控制是否使用mix_up "mixup_alpha": 0.2, # mix_up参数值,设置在[0,1] "label_smoothing": False, # 控制是否使用label_smoothing "label_smoothing_epsilon": 0.1, # label_smoothing参数值,设置在[0,1] "input_size": 224, # 输入图片宽和高,大尺寸图片会导致显存溢出,建议范围[224,448] }
- 增强策略:默认
- 超参数据:脚本编译,看【参数】
- 显卡:GPU-P4-4节点
- 模型选择:当数据量较大并且要求更高的准确率时,建议从 ResNet101中选择模型,预测时间相比ResNet50会更长
- 参数:
conf = { "epochs": 20, # 预估数据训练迭代次数,实际训练迭代最大次数会受系统限制,请注意日志输出 "batch_size": 16, # batch_size必须限制在以下范围:P4[1, 16]; V100[1, 32]; P40[1, 32]; # 实际训练时,显存占用会动态变化;当出现"Out of memory error on GPU"(显存不足)错误时,请适当减少batch_size "log_interval": 10, # 控制训练日志输入频率 "eval_interval": 5, # 控制评估的间隔迭代数, 过多的评估会影响模型训练速度,过少的评估会影响最优指标模型的挑选。 "mix_up": False, # 控制是否使用mix_up "mixup_alpha": 0.2, # mix_up参数值,设置在[0,1] "label_smoothing": False, # 控制是否使用label_smoothing "label_smoothing_epsilon": 0.1, # label_smoothing参数值,设置在[0,1] "input_size": 224, # 输入图片宽和高,大尺寸图片会导致显存溢出,建议范围[224,448] }
- 增强策略:默认
- 超参数据:脚本编译,看【参数】
- 显卡:GPU-P4-4节点
- 模型选择:当数据量较大并且要求更高的准确率时,建议从 ResNet101中选择模型,预测时间相比ResNet50会更长
- 参数:
conf = { "epochs": 20, # 预估数据训练迭代次数,实际训练迭代最大次数会受系统限制,请注意日志输出 "batch_size": 16, # batch_size必须限制在以下范围:P4[1, 16]; V100[1, 32]; P40[1, 32]; # 实际训练时,显存占用会动态变化;当出现"Out of memory error on GPU"(显存不足)错误时,请适当减少batch_size "log_interval": 10, # 控制训练日志输入频率 "eval_interval": 5, # 控制评估的间隔迭代数, 过多的评估会影响模型训练速度,过少的评估会影响最优指标模型的挑选。 "mix_up": False, # 控制是否使用mix_up "mixup_alpha": 0.2, # mix_up参数值,设置在[0,1] "label_smoothing": False, # 控制是否使用label_smoothing "label_smoothing_epsilon": 0.1, # label_smoothing参数值,设置在[0,1] "input_size": 224, # 输入图片宽和高,大尺寸图片会导致显存溢出,建议范围[224,448] }
- 增强策略:自动
- 超参数据:脚本编译,看【参数】
- 显卡:GPU-P4-6节点
选取测试数据为:test1【正面5元(正例)
】、test2【正面暗色100元(正例)
】、test3【正面2角(负例)
】
模型\测试 | test1 | test2 | test3 |
---|---|---|---|
MobileNetV3 | 99.86% | 95.69% | 54.56% |
ResNet50 | 100% | 99.95% | 72.72% |
ResNet101 | 99.99% | 99.92% | 45.57% |
数据 | 1 | 5 | 10 | 20 | 50 | 100 |
---|---|---|---|---|---|---|
大小(张) | 134 | 99 | 156 | 99 | 167 | 132 |
对比内容\模型 | MobileNetV3 | ResNet50 | ResNet101 |
---|---|---|---|
epochs | 20 | 20 | 20 |
增强策略 | 默认 | 默认 | 默认 |
机器 | GPU-P4-4节点 | GPU-P4-4节点 | GPU-P4-4节点 |
网络特点 | 模型小,预测时间短 | 准确率高 | 更高准确率 |
对比内容\模型 | ResNet101 | ResNet101-plus |
---|---|---|
epochs | 20 | 20 |
增强策略 | 默认 | 自动搜索 |
机器 | GPU-P4-4节点 | GPU-P4-6节点 |
训练时长(min) | 12 | 53 |
模型\测试 | test1 | test2 | test3(错误分类数) |
---|---|---|---|
ResNet101 | √ | √ | 5 |
ResNet101-plus | √ | √ | 3 |