github里面的README怎么看

weixin_42731794

已于 2024-03-11 17:18:08 修改

阅读量816

点赞数 9

文章标签：人工智能计算机视觉

于 2024-03-11 17:01:01 首次发布

本文链接：https://blog.csdn.net/weixin_42731794/article/details/136625339

版权

本文详细介绍了Unireplknet模型的代码目录、动机、亮点、待办事项以及设计，包括其与MMDetection和MMSegmentation的集成。文章还涵盖了模型的预训练权重下载、模型构建、重参数化方法和ImageNet评估与训练示例，展示了如何在不同GPU环境下使用和调整该模型。

摘要由CSDN通过智能技术生成

1、unireplknet

(1)代码目录总览

（2）README

1.总述

Code and checkpoints have been thoroughly tested.

code跟checkpoints已经通过了测试，large-kernel convolution with PyTorch尝试使用

2.Motivation

3.Highlights

4.TODOs

Model code
预训练权重（ImageNet-1K and ImageNet-22K ）
在Google Drive (see this page) and hugging face (see unireplknet.py)发布的权重
pythorch大卷积核的实现
ImageNet 训练代码
audio, video, point cloud, and time-series tasks的代码
语义分割代码，记录和所有的checkpoint

ImageNet, COCO, and ADE20K checkpoints 已经被放在了huggingface repo 上。

ImageNet-22K pretrained UniRepLKNet-S, and UperNet with UniRepLKNet-XL, which were lost, and we are reproducing them.

5.Code design

unireplknet.py中有一些与MMDetection和MMSegmentation相关的代码，因此您可以直接将其复制粘贴到MMDetection或MMSegmention中，例如，在此处和此处。如果您不想将其与MMDetection或MMSegmentation一起使用，您可以安全地删除这些代码行。（这里面提到的MMDetection和MMSegmentation我没有太理解是什么意思）
提供一个代码去自动构建模型并加载权重。（有一个位置可以实现）。另外还可以用timm.create_model('unireplknet_l',num_classes = num_classes_of_your_task,in_22l_pretrained = True) 下一行内容是一个代码，说更简要的方法是复制粘贴unireplknet.py 到自己的运行的目录下，然后：from unireplknet import * medel = timm.create_model()（补充知识：timm是pytorch原生实现的一个模型库，里面有各种预训练库和各种网络组件）
reparameterize_unireplknet()实现一个结构重构参数方法。涉及推断过程（inference structure）：移除了Dialted Reparam Blocks, Batch Norm layers, and the bias term in GRN。

伪代码如下：

training_model = unireplknet_l(...,  deploy=False)

训练模型

测试已训练好的模型

重参数化函数

测试已训练好的模型

save（模型，权重）

6.Models

提供了五种方式去download checkpoints

权重可以直接下载

7.ImageNet evaluation and training

给了一个测试评估命令：

单GPU

python main.py --model unireplknet_b --eval true \（这里提到了unireplknet_b，是一种变体）
--resume unireplknet_b_in22k_to_in1k_384_acc87.40.pth \（加载对应的权重，这个想法是错误的，它目的是为了指定从哪个checkpoint文件中恢复模型参数，resume参数指定checkpoint文件）
--input_size 384 \（指定输入图片大小）
--data_path /path/to/imagenet-1k（制定了数据集的路径，用于模型的评估操作）