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
PaddlePaddle
PaddleClas
提交
edbb827b
P
PaddleClas
项目概览
PaddlePaddle
/
PaddleClas
接近 2 年 前同步成功
通知
116
Star
4999
Fork
1114
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
19
列表
看板
标记
里程碑
合并请求
6
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleClas
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
19
Issue
19
列表
看板
标记
里程碑
合并请求
6
合并请求
6
Pages
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
提交
Issue看板
未验证
提交
edbb827b
编写于
11月 10, 2021
作者:
B
Bin Lu
提交者:
GitHub
11月 10, 2021
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update feature_extraction.md
上级
d1a40d85
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
9 addition
and
9 deletion
+9
-9
docs/zh_CN/image_recognition_pipeline/feature_extraction.md
docs/zh_CN/image_recognition_pipeline/feature_extraction.md
+9
-9
未找到文件。
docs/zh_CN/image_recognition_pipeline/feature_extraction.md
浏览文件 @
edbb827b
...
...
@@ -28,13 +28,13 @@
| 模型 | Aliproduct | VeRI-Wild | LogoDet-3K | iCartoonFace | SOP | Inshop | Latency(ms) |
| :----------: | :---------: | :-------: | :-------: | :--------: | :--------: | :--------: | :--------: |
PP-LCNet-2.5x | 0.839 | 0.888 | 0.861 | 0.841 | 0.793 | 0.892 | 5.0
*
采用的评测指标为:
`Recall@1`
;
*
速度评测机器的CPU具体信息为:
`Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz`
;
*
速度指标的评测条件为: 开启MKLDNN, 线程数设置为10
;
*
预训练模型地址:
[
通用识别预训练模型
](
https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/pretrain/general_PPLCNet_x2_5_pretrained_v1.0.pdparams
)
;
*
采用的评测指标为:
`Recall@1`
*
速度评测机器的CPU具体信息为:
`Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz`
*
速度指标的评测条件为: 开启MKLDNN, 线程数设置为10
*
预训练模型地址:
[
通用识别预训练模型
](
https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/pretrain/general_PPLCNet_x2_5_pretrained_v1.0.pdparams
)
# 4. 自定义特征提取
自定义特征提取,是指依据自己的任务,重新训练特征提取模型。主要包含
如下
四个步骤:1)数据准备;2)模型训练;3)模型评估;4)模型推理。
自定义特征提取,是指依据自己的任务,重新训练特征提取模型。主要包含四个步骤:1)数据准备;2)模型训练;3)模型评估;4)模型推理。
## 4.1 数据准备
首先,需要基于任务定制自己的数据集。数据集格式参见
[
格式说明
](
https://github.com/PaddlePaddle/PaddleClas/blob/develop/docs/zh_CN/data_preparation/recognition_dataset.md#%E6%95%B0%E6%8D%AE%E9%9B%86%E6%A0%BC%E5%BC%8F%E8%AF%B4%E6%98%8E
)
。在启动模型训练之前,需要在配置文件中修改数据配置相关的内容, 主要包括数据集的地址以及类别数量。对应到配置文件中的位置如下所示:
```
...
...
@@ -80,9 +80,8 @@ python -m paddle.distributed.launch \
-c
ppcls/configs/GeneralRecognition/GeneralRecognition_PPLCNet_x2_5.yaml
```
**注意:**
配置文件中默认采用
`在线评估`
的方式,如果你想加快训练速度,去除
`在线评估`
,只需要在上述命令后面,增加
`-o eval_during_train=False`
。
训练完毕后,在output目录下会生成最终模型文件
`latest.pd*`
,
`best_model.pd*`
和训练日志文件
`train.log`
。
其中,
`best_model`
用来存储当前评测指标下的最佳模型;
`latest`
用来存储最新生成的模型, 方便在任务中断的情况下从断点位置启动训练,断点重训命令如下所示:
配置文件中默认采用
`在线评估`
的方式,如果你想加快训练速度,去除
`在线评估`
,只需要在上述命令后面,增加
`-o eval_during_train=False`
。训练完毕后,在output目录下会生成最终模型文件
`latest`
,
`best_model`
和训练日志文件
`train.log`
。其中,
`best_model`
用来存储当前评测指标下的最佳模型;
`latest`
用来存储最新生成的模型, 方便在任务中断的情况下从断点位置启动训练。
-
断点续训:
```
shell
export
CUDA_VISIBLE_DEVICES
=
0,1,2,3
python
-m
paddle.distributed.launch
\
...
...
@@ -95,7 +94,8 @@ python -m paddle.distributed.launch \
-
单卡评估
```
shell
export
CUDA_VISIBLE_DEVICES
=
0
python tools/eval.py
-c
ppcls/configs/GeneralRecognition/GeneralRecognition_PPLCNet_x2_5.yaml
\
python tools/eval.py
\
-c
ppcls/configs/GeneralRecognition/GeneralRecognition_PPLCNet_x2_5.yaml
\
-o
Global.pretrained_model
=
"output/RecModel/best_model"
```
...
...
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