megatron-deepspeed-vit_pytorch图像分类算法模型

ViT

论文

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

• https://arxiv.org/abs/2010.11929

模型结构

Vision Transformer先将图像用卷积进行分块以降低计算量，再对每一块进行展平处理变成序列，然后将序列添加位置编码和cls token，再输入多层Transformer结构提取特征，最后将cls tooken取出来通过一个MLP（多层感知机）用于分类。

算法原理

图像领域借鉴《Transformer is all you need！》算法论文中的Encoder结构提取特征，Transformer的核心思想是利用注意力模块attention提取特征：

环境配置

mv megatron-deepspeed-vit_pytorch megatron-deepspeed-vit # 去框架名后缀

Docker（方法一）

docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-23.04-py38-latest
# <your IMAGE ID>用以上拉取的docker的镜像ID替换
docker run --shm-size 10g --network=host --name=megatron --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/megatron-deepspeed-vit:/home/megatron-deepspeed-vit -it <your IMAGE ID> bash
pip install -r requirements.txt

Dockerfile（方法二）

cd megatron-deepspeed-vit/docker
docker build --no-cache -t megatron:latest .
docker run --rm --shm-size 10g --network=host --name=megatron --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/../../megatron-deepspeed-vit:/home/megatron-deepspeed-vit -it megatron bash
# 若遇到Dockerfile启动的方式安装环境需要长时间等待，可注释掉里面的pip安装，启动容器后再安装python库：pip install -r requirements.txt

Anaconda（方法三）

1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装： https://developer.hpccube.com/tool/

DTK驱动：dtk23.04
python：python3.8
torch:1.10.0
torchvision:0.10.0
torchaudio:0.10.0
deepspeed:0.9.2
apex:0.1

Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应

2、其它非特殊库参照requirements.txt安装

pip install -r requirements.txt

数据集

ILSVRC 2012

• ImageNet

imagenet 2012 的解压与整理方法参照链接： ImageNet数据集下载、解压 - 简书

项目中已提供用于试验训练的迷你数据集，训练数据目录结构如下，用于正常训练的完整数据集请按此目录结构进行制备：

data
    |
    train
        |
        n01440764
        n01806143
        ...
    val
        |
        n01440764
        n01824575
        ...
    test
        |
        images
            |
            test_x.JPEG
            test_xxx.JPEG
            ...

训练

单机多卡

cd megatron-deepspeed-vit
sh examples/dspvit_1node.sh

单机单卡

sh examples/dspvit_1dcu.sh

推理

方法类似以上训练步骤，只需传参时在dspvit_1node.sh中额外添加以下两个参数：

--eval-only True \
--do_test True \

单机多卡

sh examples/dspvit_1node.sh

result

应用场景

算法类别

图像分类

热点应用行业

制造,环保,医疗,气象

源码仓库及问题反馈

• ModelZoo / megatron-deepspeed-vit_pytorch · GitLab

参考资料

• GitHub - bigscience-workshop/Megatron-DeepSpeed: Ongoing research training transformer language models at scale, including: BERT & GPT-2

• Getting Started - DeepSpeed

• DeepSpeed — DeepSpeed 0.14.5 documentation