OpenMMLab 实战营打卡-第3课

OpenMMLab 实战营打卡-第3课_第1张图片

本节课主要内容为MMClassification的代码编写教程。

环境搭建如下

OpenMMLab 实战营打卡-第3课_第2张图片

Mim对应pip

Mac版本由于conda问题,不建议。

Pytorch大致流程:

OpenMMLab 实战营打卡-第3课_第3张图片

Pytorch

构架数据,网络,优化器,双层路实现整个流程

首先定义数据,torchvision里有简单数据集fashionMNIST可以拿来用。

Transform数据预处理、数据增强,传参数进去

定义batch_size

定义Dataloader,Dataloader每次数据采样的过程

定义模型,继承nn.module,网络层

设置GPU

定义损失函数

使用优化器优化模型参数

写内层循环,遍历数据集,取一些数据前传预测概率,比较,算损失函数,反向传播backward,梯度下降

实际是多次遍历这个数据集,做优化,完成,保存model参数到.pth文件

“部署”训练后模型应用到新数据上:网络走一遍,刚才的model.pth加载进来

调至eval模式,model.eval()

测试时不需算梯度,torch.no_grad()

和训练时相同的处理图像

超算平台使用的大致流程

module avail

OpenMMLab 实战营打卡-第3课_第4张图片

OpenMMLab 实战营打卡-第3课_第5张图片

创建环境

Pip安装pytorch

报错了考虑

CUDA不能低于11.1

MMCV官网

OpenMMLab 实战营打卡-第3课_第6张图片

下载代码

OpenMMLab 实战营打卡-第3课_第7张图片

漏了一点拷贝解压

OpenMMLab 实战营打卡-第3课_第8张图片

OpenMMLab 实战营打卡-第3课_第9张图片

下载数据集

用快传上传,拖拽,右上方可以看进度

OpenMMLab 实战营打卡-第3课_第10张图片

划分数据集脚本

写绝对路径

OpenMMLab 实战营打卡-第3课_第11张图片

配置文件

OpenMMLab 实战营打卡-第3课_第12张图片

OpenMMLab 实战营打卡-第3课_第13张图片

OpenMMLab 实战营打卡-第3课_第14张图片

OpenMMLab 实战营打卡-第3课_第15张图片

OpenMMLab 实战营打卡-第3课_第16张图片

配置完成,进行微调

OpenMMLab 实战营打卡-第3课_第17张图片

OpenMMLab 实战营打卡-第3课_第18张图片

OpenMMLab 实战营打卡-第3课_第19张图片

OpenMMLab 实战营打卡-第3课_第20张图片

  1是几个GPU 后加作业脚本

OpenMMLab 实战营打卡-第3课_第21张图片

提交完成,作业ID唯一 R就是正在运行

OpenMMLab 实战营打卡-第3课_第22张图片

查看进程

OpenMMLab 实战营打卡-第3课_第23张图片

取消作业: 后是ID 状态变为CG就是正在退出

你可能感兴趣的:(深度学习,pytorch,python)