Начало работы с Fastreid

Подготовка предобученной модели

Если вы используете базовые модели, поддерживаемые Fastreid, вам не нужно ничего делать. Он автоматически загрузит предварительно обученные модели. Но если ваша сеть не подключена, вы можете загрузить предварительно обученные модели вручную и поместить их в ~/.cache/torch/checkpoints.

Если вы хотите использовать другие предварительно обученные модели, такие как MoCo предварительно обученный, вы можете скачать их самостоятельно и установить путь предварительно обученной модели в configs/Base-bagtricks.yml.

Компиляция с помощью Cython для ускорения оценки

cd fastreid/evaluation/rank_cylib; make all

Обучение и оценка в командной строке

Мы предоставляем скрипт в «tools/train_net.py», который предназначен для обучения всех конфигураций, представленных в Fastreid. Вы можете использовать его в качестве ссылки для написания собственного сценария обучения.

Чтобы обучить модель с помощью «train_net.py», сначала настройте соответствующие наборы данных, следуя datasets/README.md, затем запустите:

python3 tools/train_net.py --config-file ./configs/Market1501/bagtricks_R50.yml MODEL.DEVICE "cuda:0"

Конфигурации предназначены для обучения на одном GPU.

Если вы хотите обучить модель на 4 графических процессорах, вы можете запустить:

python3 tools/train_net.py --config-file ./configs/Market1501/bagtricks_R50.yml --num-gpus 4

Если вы хотите обучать модель на нескольких машинах, вы можете выполнить следующие действия:

# machine 1
export GLOO_SOCKET_IFNAME=eth0
export NCCL_SOCKET_IFNAME=eth0

python3 tools/train_net.py --config-file configs/Market1501/bagtricks_R50.yml \
--num-gpus 4 --num-machines 2 --machine-rank 0 --dist-url tcp://ip:port 

# machine 2
export GLOO_SOCKET_IFNAME=eth0
export NCCL_SOCKET_IFNAME=eth0

python3 tools/train_net.py --config-file configs/Market1501/bagtricks_R50.yml \
--num-gpus 4 --num-machines 2 --machine-rank 1 --dist-url tcp://ip:port 

Убедитесь, что путь к набору данных и код одинаковы на разных машинах, и машины могут взаимодействовать друг с другом.

Для оценки производительности модели используйте

python3 tools/train_net.py --config-file ./configs/Market1501/bagtricks_R50.yml --eval-only \
MODEL.WEIGHTS /path/to/checkpoint_file MODEL.DEVICE "cuda:0"

Дополнительные параметры см. в python3 tools/train_net.py -h.