diff --git a/slim/MODEL_ZOO.md b/slim/MODEL_ZOO.md index 87f20fecad4cabc933873b0dff3e8b5ff8594344..9dcba5f89ab6d378d65cc19f0ecfb5db7dc587f8 100644 --- a/slim/MODEL_ZOO.md +++ b/slim/MODEL_ZOO.md @@ -12,7 +12,7 @@ ### 训练策略 -- 剪裁模型训练时使用[PaddleDetection模型库](../../docs/MODEL_ZOO_cn.md)发布的模型权重作为预训练权重。 +- 剪裁模型训练时使用[PaddleDetection模型库](../docs/MODEL_ZOO_cn.md)发布的模型权重作为预训练权重。 - 剪裁训练使用模型默认配置,即除`pretrained_weights`外配置不变。 - 剪裁模型全部为基于敏感度的卷积通道剪裁。 - YOLOv3模型主要剪裁`yolo_head`部分,即剪裁参数如下。 @@ -58,7 +58,7 @@ ### 蒸馏通道剪裁模型 -可通过高精度模型蒸馏通道剪裁后模型的方式,训练方法及相关示例见[蒸馏通道剪裁模型](./extensions/distill_pruned_model/distill_pruned_model.ipynb)。 +可通过高精度模型蒸馏通道剪裁后模型的方式,训练方法及相关示例见[蒸馏通道剪裁模型](./extensions/distill_pruned_model/distill_pruned_model_demo.ipynb)。 COCO数据集上蒸馏通道剪裁模型库如下。 @@ -82,7 +82,7 @@ Pascal VOC数据集上蒸馏通道剪裁模型库如下。 ### 训练策略 -- 蒸馏模型训练时teacher模型使用[PaddleDetection模型库](../../docs/MODEL_ZOO_cn.md)发布的模型权重作为预训练权重。 +- 蒸馏模型训练时teacher模型使用[PaddleDetection模型库](../docs/MODEL_ZOO_cn.md)发布的模型权重作为预训练权重。 - 蒸馏模型训练时student模型使用backbone的预训练权重 ### YOLOv3 on COCO diff --git a/slim/extensions/distill_pruned_model/README.md b/slim/extensions/distill_pruned_model/README.md index 6b7573ad6c49c23bbc6eb8cd9de883fccc9292c9..421ecc7878cfc16febf16d99bb8c183918cec222 100644 --- a/slim/extensions/distill_pruned_model/README.md +++ b/slim/extensions/distill_pruned_model/README.md @@ -10,9 +10,9 @@ - [检测库模型通道剪裁文档](../../prune/README.md) - [检测库模型蒸馏文档](../../distillation/README.md) -请确保已正确[安装PaddleDetection](../../docs/tutorials/INSTALL_cn.md)及其依赖。 +请确保已正确[安装PaddleDetection](../../../docs/tutorials/INSTALL_cn.md)及其依赖。 -已发布蒸馏通道剪裁模型见[压缩模型库](../MODEL_ZOO.md) +已发布蒸馏通道剪裁模型见[压缩模型库](../../MODEL_ZOO.md) 蒸馏通道剪裁模型示例见[Ipython notebook示例](./distill_pruned_model_demo.ipynb) @@ -41,7 +41,9 @@ ## 4. 启动蒸馏剪裁任务 使用`distill_pruned_model.py`启动蒸馏剪裁任务时,通过`--pruned_params`选项指定待剪裁的参数名称列表,参数名之间用空格分隔,通过`--pruned_ratios`选项指定各个参数被裁掉的比例。 获取待裁剪模型参数名称方法可参考[通道剪裁模教程](../../prune/README.md)。 + 通过`-t`参数指定teacher模型配置文件,`--teacher_pretrained`指定teacher模型权重,更多关于蒸馏模型设置可参考[模型蒸馏文档](../../distillation/README.md)。 + 蒸馏通道检测模型脚本目前只支持使用YOLOv3细粒度损失训练,即训练过程中须指定`-o use_fine_grained_loss=true`。 ```