Skip to content

Latest commit

 

History

History
96 lines (68 loc) · 3.98 KB

GETTING_STARTED_cn.md

File metadata and controls

96 lines (68 loc) · 3.98 KB
Raw

入门使用

安装

关于安装配置运行环境，请参考安装指南

准备数据

  • 首先按照准备数据文档 准备数据。
  • 然后设置configs/datasets中相应的coco或voc等数据配置文件中的数据路径。

训练/评估/预测

PaddleDetection在tools中提供了训练/评估/预测/导出模型等功能，支持通过传入不同可选参数实现特定功能

参数列表

以下列表可以通过--help查看

FLAG 支持脚本 用途 默认值 备注
-c ALL 指定配置文件 None 必选，例如-c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml
--eval train 是否边训练边测试 False 可选，如需指定，直接--eval即可
--fleet train 是否使用fleet API训练 False 可以使用--fleet来指定使用fleet API进行多机训练
--fp16 train 是否开启混合精度训练 False 可以使用--fp16来指定使用混合精度训练
-o ALL 设置或更改配置文件里的参数内容 None 可选，例如：-o use_gpu=False
--slim_config ALL 模型压缩策略配置文件 None 可选，例如--slim_config configs/slim/prune/yolov3_prune_l1_norm.yml
--output_dir infer/export_model 预测后结果或导出模型保存路径 ./output 可选，例如--output_dir=output
--draw_threshold infer 可视化时分数阈值 0.5 可选，--draw_threshold=0.7
--infer_dir infer 用于预测的图片文件夹路径 None 可选
--infer_img infer 用于预测的图片路径 None 可选，--infer_img和--infer_dir必须至少设置一个

训练

  • 单卡训练
# 通过CUDA_VISIBLE_DEVICES指定GPU卡号
export CUDA_VISIBLE_DEVICES=0
python tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml
  • 多卡训练
export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
python -m paddle.distributed.launch --gpus 0,1,2,3,4,5,6,7 tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml
  • 混合精度训练
export CUDA_VISIBLE_DEVICES=0
python tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml --fp16
  • fleet API训练
# fleet API用于多机训练，启动方式与单机多卡训练方式基本一致，只不过需要使用--ips指定ip列表以及--fleet开启多机训练
python -m paddle.distributed.launch --ips="xx.xx.xx.xx,yy.yy.yy.yy" --gpus 0,1,2,3,4,5,6,7 tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml --fleet
  • 边训练边评估
python tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml --eval

评估

# 目前只支持单卡评估
CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml

预测

CUDA_VISIBLE_DEVICES=0 python tools/infer.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml --infer_img={IMAGE_PATH}

预测部署

（1）导出模型

python tools/export_model.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml \
        -o weights=output/faster_rcnn_r50_fpn_1x_coco/model_final \
        --output_dir=output_inference

（2）预测部署

参考预测部署文档。

模型压缩

参考模型压缩文档。