OpenMMLab 实战营打卡-第3课

本节课主要内容为MMClassification的代码编写教程。

环境搭建如下

Mim对应pip

Mac版本由于conda问题，不建议。

Pytorch大致流程：

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

创建环境

Pip安装pytorch

报错了考虑

CUDA不能低于11.1

MMCV官网

下载代码

漏了一点拷贝解压

下载数据集

用快传上传，拖拽，右上方可以看进度

划分数据集脚本

写绝对路径

配置文件

配置完成，进行微调

  1是几个GPU 后加作业脚本

提交完成，作业ID唯一 R就是正在运行

查看进程

取消作业： 后是ID 状态变为CG就是正在退出