ShuffleNet-Series 使用教程

ShuffleNet-Series 使用教程

ShuffleNet-Series项目地址:https://gitcode.com/gh_mirrors/sh/ShuffleNet-Series

1. 项目目录结构及介绍

在 ShuffleNet-Series 开源项目中，目录结构大致如下：

ShuffleNet-Series/
├── ShuffleNetV1/
│   ├── README.md       // ShuffleNetV1 的介绍和说明
│   ├── model.py        // ShuffleNetV1 模型定义
│   └── train.py         // ShuffleNetV1 的训练脚本
├── ShuffleNetV2/
│   ├── README.md       // ShuffleNetV2 的介绍和说明
│   ├── model.py        // ShuffleNetV2 模型定义
│   ├── train.py         // ShuffleNetV2 的训练脚本
│   └── config.yml       // ShuffleNetV2 配置文件
├── ShuffleNetV2+
│   ├── README.md       // ShuffleNetV2+ 的介绍和说明
│   ├── model.py        // ShuffleNetV2+ 模型定义
│   └── train.py         // ShuffleNetV2+ 的训练脚本
├── OneShot/
│   ├── README.md       // OneShot NAS 的介绍和说明
│   ├── nas_search.py    // NAS 搜索算法
│   └── evaluate.py      // 搜索结果评估脚本
└── DetNAS/
    ├── README.md       // DetNAS 的介绍和说明
    ├── search.py       // 目标检测backbone搜索脚本
    └── eval.py          // 检测模型评估脚本

每个子目录代表一个特定的模型变体，如 ShuffleNetV1, ShuffleNetV2, ShuffleNetV2+, OneShot 和 DetNAS，其中包含了模型定义、训练脚本以及可能的配置文件。

2. 项目的启动文件介绍

ShuffleNetV1, ShuffleNetV2, ShuffleNetV2+

这些模型的训练通常通过 train.py 文件启动。例如，要训练 ShuffleNetV2，你需要在命令行中执行：

python ShuffleNetV2/train.py --config_path ShuffleNetV2/config.yml

参数 --config_path 是用来指定配置文件路径的选项。

OneShot, DetNAS

对于自动神经网络架构搜索（NAS）相关的 OneShot 和 DetNAS，启动文件通常是 nas_search.py 或 search.py，它们用于运行 NAS 算法搜索最佳模型结构。比如，运行 DetNAS 的搜索：

python DetNAS/search.py

然后 eval.py 用于评估搜索结果的性能。

3. 项目的配置文件介绍

配置文件，如 config.yml，用于设置训练过程中的各种参数，包括但不限于：

• Data: 数据集的相关设定，如数据加载器的路径、批大小(batch_size)。
• Model: 模型架构的详细信息，如模型类型、深度、通道乘数等。
• Train: 训练相关参数，如学习率(lr)，优化器(optimizer)，损失函数(loss)，训练轮数(epochs)。
• Evaluation: 评估参数，如验证频率(validation_freq)，保存模型的最佳指标(best_metric)。
• Misc: 其他附加选项，如是否启用GPU训练(use_gpu)、日志记录(log_dir)等。

在开始训练之前，请确保修改配置文件以适应你的硬件资源和任务需求。

注意：在实际使用前，可能还需要安装项目依赖库，这可以通过查看每个目录下的 requirements.txt 文件或项目根目录的全局 requirements.txt 来完成。

ShuffleNet-Series项目地址:https://gitcode.com/gh_mirrors/sh/ShuffleNet-Series