【MMClassification介绍、北京超算30区使用MMClassification训练花卉图片分类模型、代码讲解 笔记3】

一、MMClassification
1.图像分类工具包MMClassification
丰富的模型、数据集支持、易用的工具、训练技巧与策略、模块化设计
2.Python推理API
3.推理工具(需源码安装)
-单张图像推理
-在测试集上训练
     单卡
     多机多卡
4.训练工具(需源码安装)
5.使用MIM工具实现训练和测试
MIM为所有OpenMMLab工具提供了统一的命令行接口
-下载配置文件和预训练权重
-训练(支持单卡、多卡、Slurm任务管理器）
-测试
6.环境搭建
7.OpenMMLab项目中的重要概念-配置文件
1）深度学习模型的训练涉及几个方面:
-模型结构 模型有几层、每层多少通道数等等
-数据集 用什么数据训练模型:数据集划分、数据文件路径、数据增强策略等等
-训练策略 梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等
-运行时 GPU、分布式环境配置等等
-一些辅助功能 如打印日志、定时保存checkpoint
2）在OpenMMLab项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练过程
-model字段定义模型
-data字段定义数据
-optimizer、Ir_config等字段定义训练策略
-load_from字段定义与训练模型的参数文件
8.配置文件的运作方式
9.图像分类模型的构成
二、北京超算30区使用MMClassification训练花卉图片分类模型
1.创建环境
2.数据集
划分数据集
3.MMCls配置文件
-模型配置文件
-数据配置
-学习率
-加载预训练模型
-微调
-完整示例
4.提交计算
1）单卡计算
2）单节点多卡计算
3）多节点计算
4）取消计算
5）查看GPU利用率