『paddle』paddleclas 学习笔记：配置文件

---

简介

介绍了 PaddleClas 配置文件 (configs/*.yaml) 中各参数的含义，以便更快地自定义或修改超参数配置。

• 注意：部分参数并未在配置文件中体现，在训练或者评估时，可以直接使用 -o 进行参数的扩充或者更新，比如说 -o checkpoints=./ckp_path/ppcls，表示在配置文件中添加（如果之前不存在）或者更新（如果之前已经包含该字段）checkpoints字段，其值设为 ./ckp_path/ppcls。

配置详解

基础配置

参数名字	具体含义	默认值	可选值
mode	运行模式	“train”	[“train”," valid"]
checkpoints	断点模型路径，用于恢复训练	“”	Str
last_epoch	上一次训练结束时已经训练的epoch数量，与checkpoints一起使用	-1	int
pretrained_model	预训练模型路径	“”	Str
load_static_weights	加载的模型是否为静态图的预训练模型	False	bool
model_save_dir	保存模型路径	“”	Str
classes_num	分类数	1000	int
total_images	总图片数	1281167	int
save_interval	每隔多少个epoch保存模型	1	int
validate	是否在训练时进行评估	TRUE	bool
valid_interval	每隔多少个epoch进行模型评估	1	int
epochs	训练总epoch数		int
topk	评估指标K值大小	5	int
image_shape	图片大小	[3，224，224]	list, shape: (3,)
use_mix	是否启用mixup	False	[‘True’, ‘False’]
ls_epsilon	label_smoothing epsilon值	0	float
use_distillation	是否进行模型蒸馏	False	bool

结构(ARCHITECTURE)

分类模型结构配置

参数名字	具体含义	默认值	可选值
name	模型结构名字	“ResNet50_vd”	PaddleClas提供的模型结构
params	模型传参	{}	模型结构所需的额外字典，如EfficientNet等配置文件中需要传入padding_type等参数，可以通过这种方式传入

识别模型结构配置

参数名字	具体含义	默认值	可选值
name	模型结构	“RecModel”	[“RecModel”]
infer_output_key	inference时的输出值	“feature”	[“feature”, “logits”]
infer_add_softmax	infercne是否添加softmax	True	[True, False]
Backbone	使用Backbone的名字		需传入字典结构，包含name、pretrained等key值。其中name为分类模型名字， pretrained为布尔值
BackboneStopLayer	Backbone中的feature输出层		需传入字典结构，包含namekey值，具体值为Backbone中的特征输出层的full_name
Neck	添加的网络Neck部分		需传入字典结构，Neck网络层的具体输入参数
Head	添加的网络Head部分		需传入字典结构，Head网络层的具体输入参数

学习率(LEARNING_RATE)

参数名字	具体含义	默认值	可选值
function	decay方法名	“Linear”	[“Linear”, “Cosine”, “Piecewise”, “CosineWarmup”]
params.lr	初始学习率	0.1	float
params.decay_epochs	piecewisedecay中 衰减学习率的milestone		list
params.gamma	piecewisedecay中gamma值	0.1	float
params.warmup_epoch	warmup轮数	5	int
parmas.steps	lineardecay衰减steps数	100	int
params.end_lr	lineardecayend_lr值	0	float

优化器(OPTIMIZER)

参数名字	具体含义	默认值	可选值
function	优化器方法名	“Momentum”	[“Momentum”, “RmsProp”]
params.momentum	momentum值	0.9	float
regularizer.function	正则化方法名	“L2”	[“L1”, “L2”]
regularizer.factor	正则化系数	0.0001	float

数据读取器与数据处理

参数名字	具体含义
batch_size	批大小
num_workers	数据读取器 worker 数量
file_list	train文件列表
data_dir	train文件路径
shuffle_seed	用来进行 shuffle 的 seed 值

数据处理

功能名字	参数名字	具体含义
DecodeImage	to_rgb	数据转RGB
	to_np	数据转numpy
	channel_first	按CHW排列的图片数据
RandCropImage	size	随机裁剪
RandFlipImage		随机翻转
NormalizeImage	scale	归一化scale值
	mean	归一化均值
	std	归一化方差
	order	归一化顺序
ToCHWImage		调整为CHW
CropImage	size	裁剪大小
ResizeImage	resize_short	按短边调整大小

mix处理

参数名字	具体含义
MixupOperator.alpha	mixup 处理中的 alpha 值