Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Oneflow-Inc
OneFlow-Benchmark
提交
1c7dd985
O
OneFlow-Benchmark
项目概览
Oneflow-Inc
/
OneFlow-Benchmark
上一次同步 接近 3 年
通知
1
Star
92
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
O
OneFlow-Benchmark
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
1c7dd985
编写于
7月 11, 2020
作者:
F
Flowingsun007
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
refine resnet readme
上级
26514d71
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
16 addition
and
6 deletion
+16
-6
Classification/cnns/README.md
Classification/cnns/README.md
+16
-6
未找到文件。
Classification/cnns/README.md
浏览文件 @
1c7dd985
...
...
@@ -46,16 +46,20 @@ ImageNet大规模视觉识别挑战赛(ILSVRC),常称为ImageNet竞赛,
`git clone git@github.com:Oneflow-Inc/OneFlow-Benchmark.git`
-
准备数据集(可选)
-
下载示例数据集:
`wget https://oneflow-public.oss-cn-beijing.aliyuncs.com/datasets/imagenet_ofrecord_example/part-00000`
(TOOD:后续确认这个链接,最好和readme打包)
-
下载示例数据集:
`wget https://oneflow-public.oss-cn-beijing.aliyuncs.com/datasets/imagenet_ofrecord_example/part-00000`
-
或者:制作完整OFRecord格式的ImageNet数据集(见下文进阶部分)
-
再或者:直接使用“合成数据”。
-
再或者:直接使用虚拟“合成数据”。
**关于数据集的说明:**
> 1)本文的展示的代码中,使用OFRcord格式的数据集可以提高数据加载效率(但这非必须,参考
XXX,oneflow支持直接加载numpy数据)。(TODO:补充mnist 文档链接)
> 1)本文的展示的代码中,使用OFRcord格式的数据集可以提高数据加载效率(但这非必须,参考
[数据输入](http://183.81.182.202:8000/basics_topics/data_input.html),oneflow支持直接加载numpy数据)。
>
> 2)为了使读者快速上手,我们提供了一个小的示例数据集。直接下载,即可快速开始训练过程。读者可以在熟悉了流程后,可以参考数据集制作部分,制作完整的数据集。
>
...
...
@@ -184,15 +188,21 @@ python3 of_cnn_train_val.py \
### 混合精度训练与预测
目前,OneFlow已经原生支持半精度/全精度的混合精度训练。训练时,
模型参数(权重)使用float16进行训练,同时保留float32用作梯度更新和计算过程。由于参数的存储减半,会带来训练速度的提升。
目前,OneFlow已经原生支持半精度/全精度的混合精度训练。训练时,模型参数(权重)使用float16进行训练,同时保留float32用作梯度更新和计算过程。由于参数的存储减半,会带来训练速度的提升。
在OneFlow中开启半精度/全精度的混合精度训练模式,ResNet50的训练速度
通常
能达到
`1.7`
倍的加速。
在OneFlow中开启半精度/全精度的混合精度训练模式,ResNet50的训练速度
理论上
能达到
`1.7`
倍的加速。
#### 如何开启半精度/全精度混合精度训练?
只需要在
`train.sh`
脚本中添加参数
`--use_fp16=True`
即可。
#### 预训练模型
我们为您提供了一个在Imagenet2014完整训练了90epoch的混合精度模型,top_1:77.33%
您可以直接下载使用:
[
resnet50_v15_fp16
](
https://oneflow-public.oss-cn-beijing.aliyuncs.com/model_zoo/resnet_fp16_of_best_model_val_top1_77330.zip
)
## 进阶 Advanced
...
...
@@ -221,7 +231,7 @@ python3 of_cnn_train_val.py \
内部借助“Protocol Buffer”二进制数据编码方案,它只占用一个内存块,只需要一次性加载一个二进制文件的方式即可,简单,快速,尤其对大型训练数据很友好。另外,当我们的训练数据量比较大的时候,可以将数据分成多个OFRecord文件,来提高处理效率。
关于OFRecord的详细说明请参考:
[
OFRecord数据格式
](
http://183.81.182.202:8000/basics_topics/ofrecord.html
)
(TODO:确定这个链接)
关于OFRecord的详细说明请参考:
[
OFRecord数据格式
](
http://183.81.182.202:8000/basics_topics/ofrecord.html
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录