resnet50能用cpu跑吗_resnet50的PyTorch实现

背景

按理讲，夏天是一个比较令人激动和向往的季节，比方说暑假、啤酒、绿茵、绿荫还有大街上的……但这个夏天gemfield最轻松的时候还是使用pytorch的片刻。现在pytorch 1.0正式版就要发布了，这将是一个新的里程碑。而在这之前，gemfield抓紧时间感受了下旧时代的最后一个版本：pytorch 0.4.1，以纪念又一个悄悄过去的夏天。

环境准备

1，使用pytorch github仓库中的Dockerfile build一个pytorch的image；

2，克隆下面的仓库：

这个仓库实现了各种经典的分类网络(在pytorch>=0.4.1的版本上，需要merge一下gemfield的PR)，其中就包括经典的resnet50；

3，安装上述仓库中必备的python package，最好是写在Dockerfile里；

4，准备train数据集和val数据集：

比如gemfield的数据集存放路径是/bigdata/gemfield/github/data/，则在这个目录下有如下结构：

train/class1/*.jpg

train/class2/*.jpg

...

train/classN/*.jpg

val/class1/*.jpg

val/class2/*.jpg

...

val/classN/*.jpg

不止支持jpg格式哈。

接下来的训练、测试、服务均在容器中进行。

训练

训练的话使用如下脚本和参数：

/opt/conda/bin/python tars_train.py -idl /bigdata/gemfield/github/data/ -sl checkpoint/ -mo “resnet50” -ep 5 -b 8 -fi

分别指定了数据集路径、模型存放路径、网络的名字、epoch数量、batch size等。

root@gemfield:/bigdata/gemfield/github/pytorch_classifiers# /opt/conda/bin/python tars_train.py -idl /bigdata/gemfield/github/data/ -sl checkpoint/ -