From a212aa71537e5bb1cbf5c0012477d2bc1350834f Mon Sep 17 00:00:00 2001 From: cuicheng01 Date: Mon, 20 Dec 2021 07:29:17 +0000 Subject: [PATCH] update dali & course md --- docs/zh_CN/others/course_link.md | 34 ++++++++++++++++++++++++++++ docs/zh_CN/others/train_with_DALI.md | 20 ++++++++-------- 2 files changed, 44 insertions(+), 10 deletions(-) create mode 100644 docs/zh_CN/others/course_link.md diff --git a/docs/zh_CN/others/course_link.md b/docs/zh_CN/others/course_link.md new file mode 100644 index 00000000..8f4135b4 --- /dev/null +++ b/docs/zh_CN/others/course_link.md @@ -0,0 +1,34 @@ +# 往期课程链接: +--- + +- [**【AI快车道PaddleClas系列直播课】**](https://aistudio.baidu.com/aistudio/course/introduce/24519) + + - [图像识别系统解析](https://aistudio.baidu.com/aistudio/education/group/info/24519) + - 图像识别全能优势 + - 整体架构及快速落地详解 + - 个性化需求实现方案 + - [商品识别系统全拆解](https://aistudio.baidu.com/aistudio/education/lessonvideo/1495317) + - 小样本多类别场景方案 + - 图像检索技术及快速构建策略 + - 动漫搜索趣味应用 + - [车辆ReID核心技术方案](https://aistudio.baidu.com/aistudio/education/lessonvideo/1496537) + - ReID及跨境头场景应用 + - Metric Learning——更鲁棒的检索特征 + - Logo识别等方向延展 + - [超轻量图像识别系统概览](https://aistudio.baidu.com/aistudio/education/lessonvideo/1890318) + - 图像识别技术选型策略 + - 推理速度提升8倍的秘籍 + - 四大典型行业应用案例 + - [SOTA模型炼丹秘诀](https://aistudio.baidu.com/aistudio/education/lessonvideo/1890323) + - CPU定制模型PP-LCNet优化思路 + - Vison Transformer模型的应用拓展 + - [商品识别产业痛点剖析](https://aistudio.baidu.com/aistudio/education/lessonvideo/1896890) + - 特征提取技术详解 + - 向量快速检索揭秘 + - [手把手教你玩转图像识别](https://aistudio.baidu.com/aistudio/education/lessonvideo/1911507) + - 产业应用十问十答 + - 智能零售下的应用案例 + - 识别系统快速落地方案 + + + diff --git a/docs/zh_CN/others/train_with_DALI.md b/docs/zh_CN/others/train_with_DALI.md index db93de14..34782ea3 100644 --- a/docs/zh_CN/others/train_with_DALI.md +++ b/docs/zh_CN/others/train_with_DALI.md @@ -31,29 +31,29 @@ ## 3. 使用 DALI -PaddleClas 支持在静态图训练方式中使用 DALI 加速,由于 DALI 仅支持 GPU 训练,因此需要设置 GPU,且 DALI 需要占用 GPU 显存,需要为 DALI 预留显存。使用 DALI 训练只需在训练配置文件中设置字段 `use_dali=True`,或通过以下命令启动训练即可: +PaddleClas 支持使用 DALI 对图像预处理进行加速,由于 DALI 仅支持 GPU 训练,因此需要设置 GPU,且 DALI 需要占用 GPU 显存,需要为 DALI 预留显存。使用 DALI 训练只需在训练配置文件中设置字段 `use_dali=True`,或通过以下命令启动训练即可: ```shell # 设置用于训练的 GPU 卡号 export CUDA_VISIBLE_DEVICES="0" -python ppcls/static/train.py -c ppcls/configs/ImageNet/ResNet/ResNet50.yaml -o use_dali=True +python ppcls/train.py -c ppcls/configs/ImageNet/ResNet/ResNet50.yaml -o Global.use_dali=True ``` 也可以使用多卡训练: ```shell # 设置用于训练的 GPU 卡号 -export CUDA_VISIBLE_DEVICES="0,1,2,3,4,5,6,7" +export CUDA_VISIBLE_DEVICES="0,1,2,3" # 设置用于神经网络训练的显存大小,可根据具体情况设置,一般可设置为 0.8 或 0.7,剩余显存则预留 DALI 使用 export FLAGS_fraction_of_gpu_memory_to_use=0.80 python -m paddle.distributed.launch \ - --gpus="0,1,2,3,4,5,6,7" \ - ppcls/static/train.py \ + --gpus="0,1,2,3" \ + ppcls/train.py \ -c ./ppcls/configs/ImageNet/ResNet/ResNet50.yaml \ - -o use_dali=True + -o Global.use_dali=True ``` @@ -62,11 +62,11 @@ python -m paddle.distributed.launch \ 在上述基础上,使用 FP16 半精度训练,可以进一步提高速度,可以参考下面的配置与运行命令。 ```shell -export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 +export CUDA_VISIBLE_DEVICES=0,1,2,3 export FLAGS_fraction_of_gpu_memory_to_use=0.8 python -m paddle.distributed.launch \ - --gpus="0,1,2,3,4,5,6,7" \ - ppcls/static/train.py \ - -c ./ppcls/configs/ImageNet/ResNet/ResNet50_fp16.yaml + --gpus="0,1,2,3" \ + ppcls/train.py \ + -c ./ppcls/configs/ImageNet/ResNet/ResNet50_fp16_dygraph.yaml ``` -- GitLab