PaddlePaddle 中的 ResNet 训练#

这是一个展示在 ImageNet 上训练 ResNet50 的演示。 该代码基于 NVIDIA 深度学习示例

数据增强#

此模型使用以下数据增强

  • 用于训练

    • 归一化

    • 随机调整大小裁剪到 224x224

      • 从 8% 到 100% 缩放

      • 纵横比从 3/4 到 4/3

    • 随机水平翻转

  • 用于推理

    • 归一化

    • 缩放到 256x256

    • 中心裁剪到 224x224

用法#

使用前请从 requirements.txt 安装必要的包。

启动脚本是 docs/examples/use_cases/paddle/resnet50/train.py。

 # For single GPU training with AMP
FLAGS_apply_pass_to_program=1 python -m paddle.distributed.launch \
  --gpus=0 train.py \
  --epochs 90 \
  --amp \
  --scale-loss 128.0 \
  --use-dynamic-loss-scaling \
  --data-layout NHWC

# For 8 GPUs training with AMP
FLAGS_apply_pass_to_program=1 python -m paddle.distributed.launch \
  --gpus=0,1,2,3,4,5,6,7 train.py \
  --epochs 90 \
  --amp \
  --scale-loss 128.0 \
  --use-dynamic-loss-scaling \
  --data-layout NHWC

# For all available options
python train.py --help
在本页中