概览
MMPretrain
是一个全新升级的预训练开源算法框架,旨在提供各种强大的预训练主干网络, 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目 MMClassification
和 MMSelfSup
,并开发了许多令人兴奋的新功能。 目前,预训练阶段对于视觉识别至关重要,凭借丰富而强大的预训练模型,我们能够改进各种下游视觉任务。
此开源库旨在成为一个易于使用和用户友好的代码库库,并简化学术研究活动和工程任务。
视觉基础模型的探索:MMPreTrain | CVPR 2023 (全英分享)
代码仓库:https://github.com/open-mmlab/mmpretrain
文档教程:https://mmpretrain.readthedocs.io/en/latest/
MMPretrain 实践路线图
MMPreTrain除了有以上丰富的预训练模型、多种数据集,还支持开箱即用的推理API和模型,包含的相关任务有:图像分类、图像描述、视觉问答、视觉定位、检索、多任务和多模态等。
MMPreTrain的代码框架
MMPretrain/
├── configs/
│ ├── _base_/ # 原始配置文件夹
│ │ ├── datasets/ # 原始 datasets
│ │ ├── models/ # 原始 models
│ │ ├── schedules/ #原始 schedules
│ │ └── default_runtime.py # 原始运行时设置
│ ├── arcface/ # ArcFace 算法文件夹
│ ├── barlowtwins/ # Barlow Twins 算法文件夹
│ ├── beit/ # BEiT 算法文件夹
│ ├── beitv2/ # BEiTv2 算法文件夹
│ ├── blip/ # BLIP 算法文件夹
│ ├── blip2/ # BLIP-2 算法文件夹
│ ├── ...
└── ...
可以使用 python tools/misc/print_config.py /PATH/TO/CONFIG
命令来查看完整的配置信息,从而方便检查所对应的配置文件。例如,查看ResNet50
在数据集ImageNet 1K
上的配置。
python tools/misc/print_config.py configs/resnet/resnet50_8xb32_in1k.py
resnet50_8xb32_in1k.py,显示如下:
base = [
‘…/base/models/resnet50.py’,
‘…/base/datasets/imagenet_bs32.py’,
‘…/base/schedules/imagenet_bs256.py’,
‘…/base/default_runtime.py’ ]
基本上将模型组件分为 3 种类型。
- 主干网络
backbone
:通常是一个特征提取网络,例如 ResNet、MobileNet。 - 颈部
neck
:用于连接主干网络和头部的组件,例如 GlobalAveragePooling。- loss: 损失函数设置, 支持
CrossEntropyLoss
,LabelSmoothLoss,
PixelReconstructionLoss
等。
- loss: 损失函数设置, 支持
- 头部
head
:用于执行特定任务的组件,例如分类和回归。
在configs/_base_/models/resnest50.py
查看文件,具体如下:
# model settings
model = dict(
type='ImageClassifier', # 主模型类型,对于图像分类任务,使用 ImageClassifier
backbone=dict( # 主干网络:通常是一个特征提取网络
type='ResNet', # 主干网络类型
# 除了 `type` 之外的所有字段都来自 `ResNet` 类的 __init__ 方法
# 可查阅 https://mmpretrain.readthedocs.io/zh_CN/latest/api/generated/mmpretrain.models.backbones.ResNet.html
depth=50, # 网络深度,50层
num_stages=4, # 主干网络状态(stages)的数目,这些状态产生的特征图作为后续的 head 的输入。
out_indices=(3, ), # 输出的特征图输出索引。
style='pytorch'),
neck=dict(type='GlobalAveragePooling'), # 颈部网络类型
head=dict(
type='LinearClsHead', # 分类颈网络类型
num_classes=1000, # 类别数量
in_channels=2048, # 分类颈的输入通道数
loss=dict(type='CrossEntropyLoss', loss_weight=1.0), # 损失函数配置信息
topk=(1, 5), # 评估指标,Top-k 准确率, 这里为 top1 与 top5 准确率,可省略
))
topk=(1, 5)可省略,因为在训练模型时,topk=(1, 5)通常用于在训练过程中输出每个批次的top-1和top-5准确率。但在模型的配置中,这些评估指标并不影响模型的结构或训练过程。
在../_base_/datasets/imagenet_bs32.py
查看文件,具体如下:
# dataset settings
dataset_type = 'ImageNet'
data_preprocessor = dict( # 预处理配置
num_classes=1000, # 类别数量
# 输入的图片数据通道以 'RGB' 顺序
mean=[123.675, 116.28, 103.53], # 输入图像归一化的 RGB 通道均值
std=[58.395, 57.12, 57.375], # 输入图像归一化的 RGB 通道标准差
to_rgb=True, # 是否将通道翻转,从 BGR 转为 RGB 或者 RGB 转为 BGR
)
# train_pipeline中的数据增强
train_pipeline = [
dict(type='LoadImageFromFile'), # 读取图像
dict(type='RandomResizedCrop', scale=224), # 随机放缩裁剪。首先,图像的短边将被调整到224像素大小,然后随机选择一部分区域并裁剪为224x224像素大小的图像
dict(type='RandomFlip', prob=0.5, direction='horizontal'), # 随机水平翻转。以50%的概率水平翻转图像,增加图像的变换视角
dict(type='PackInputs'), # 准备图像以及标签,将图像以及对应的标签打包,准备为模型输入
]
# test_pipeline中的数据增强
test_pipeline = [
dict(type='LoadImageFromFile'), # 读取图像
dict(type='ResizeEdge', scale=256, edge='short'), # 缩放短边尺寸至256像素。保持图像的长宽比,并将短边调整到256像素大小
dict(type='CenterCrop', crop_size=224), # 中心裁剪。将图像从中心位置裁剪为224x224像素大小
dict(type='PackInputs'), # 准备图像以及标签
]
# 构造训练集数据加载器(DataLoader)的配置
train_dataloader = dict(
batch_size=32, # 每张 GPU 的 batchsize
num_workers=5, # 每个 GPU 的线程数
dataset=dict( # 训练数据集
type=dataset_type,
data_root='data/imagenet', # 训练数据集的根目录路径
split='train', # 使用数据集中的训练集部分
pipeline=train_pipeline), # 指定了数据预处理的管道
sampler=dict(type='DefaultSampler', shuffle=True), # 默认采样器
)
# 构造验证集数据加载器(DataLoader)的配置
val_dataloader = dict(
batch_size=32, # 每张 GPU 的 batchsize
num_workers=5, # 每个 GPU 的线程数
dataset=dict( # 验证数据集
type=dataset_type,
data_root='data/imagenet', # 验证数据集的根目录路径
split='val', # 验证数据集的根目录路径,即数据集所在的文件夹
pipeline=test_pipeline), # 指定了数据预处理的管道
sampler=dict(type='DefaultSampler', shuffle=False),
)
# 验证集评估设置,使用准确率为指标, 这里使用 topk1 以及 top5 准确率
val_evaluator = dict(type='Accuracy', topk=(1, 5))
test_dataloader = val_dataloader # test dataloader 配置,这里直接与 val_dataloader 相同
test_evaluator = val_evaluator # 测试集的评估配置,这里直接与 val_evaluator 相同
在../_base_/schedules/imagenet_bs256.py
查看文件,具体如下:
optim_wrapper = dict(
# 使用 SGD 优化器来优化参数
optimizer=dict(type='SGD', lr=0.1, momentum=0.9, weight_decay=0.0001))
# 学习率参数的调整策略
# 'MultiStepLR' 表示使用多步策略来调度学习率(LR)。
param_scheduler = dict(
type='MultiStepLR', by_epoch=True, milestones=[30, 60, 90], gamma=0.1)
# 训练的配置,迭代 100 个 epoch,每一个训练 epoch 后都做验证集评估
# 'by_epoch=True' 默认使用 `EpochBaseLoop`, 'by_epoch=False' 默认使用 `IterBaseLoop`
train_cfg = dict(by_epoch=True, max_epochs=100, val_interval=1)
# 使用默认的验证循环控制器
val_cfg = dict()
# 使用默认的测试循环控制器
test_cfg = dict()
# 通过默认策略自动缩放学习率,此策略适用于总批次大小 256
# 如果你使用不同的总批量大小,比如 512 并启用自动学习率缩放
# 我们将学习率扩大到 2 倍
auto_scale_lr = dict(base_batch_size=256)
以下是几乎所有算法都使用的运行配置../_base_/default_runtime.py
查看文件,具体如下:
# 默认所有注册器使用的域
default_scope = 'mmpretrain'
# 配置默认的 hook
default_hooks = dict(
# 记录每次迭代的时间
timer=dict(type='IterTimerHook'),
# 每 100 次迭代打印日志
logger=dict(type='LoggerHook', interval=100),
# 启用参数调度程序
param_scheduler=dict(type='ParamSchedulerHook'),
# 每个epoch保存检查点
checkpoint=dict(type='CheckpointHook', interval=1),
# 在分布式环境中设置采样器种子
sampler_seed=dict(type='DistSamplerSeedHook'),
# 验证结果可视化,设置 True 启用它。
visualization=dict(type='VisualizationHook', enable=False),
)
# 配置环境
env_cfg = dict(
# 是否启用cudnn基准测试
cudnn_benchmark=False,
# 设置多进程参数
mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0),
# 设置分布式参数
dist_cfg=dict(backend='nccl'),
)
# 设置可视化工具
vis_backends = [dict(type='LocalVisBackend')] # 使用磁盘(HDD)后端
visualizer = dict(type='UniversalVisualizer', vis_backends=vis_backends)
# 设置日志级别
log_level = 'INFO'
# 从哪个检查点加载
load_from = None
# 是否从加载的检查点恢复训练
resume = False
# 默认使用随机种子并禁用
randomness = dict(seed=None, deterministic=False)
这部分主要包括保存权重策略、日志配置、训练参数、断点权重路径和工作目录等等。
环境安装
MMPretrain
适用于 Linux、Windows 和 macOS。它需要 Python 3.7+、CUDA 10.2+ 和 PyTorch 1.8+。
第 1 步 从官网下载并安装 anaconda。
- Windows 64位:下载anaconda安装包
- macOS M1:下载anaconda安装包
- Linux 64位:下载anconda安装包
根据自己的系统,选择下载安装包。图形安装包安装方式就像安装软件那样根据提示下一步就可以了。
第 2 步 创建一个 conda 虚拟环境并激活它。env_name
为虚拟环境名字,版本号
为虚拟环境python版本号
conda create --name env_name python=版本号 -y
conda activate env_name
如
conda create --name openmmlab_test python=3.8 -y
conda activate openmmlab_test
第 3 步 按照官方指南安装 PyTorch。
复制Run this Command:
中得语句到Terminal
安装mmpretrain
从源码按如下方式安装 mmpretrain:
git clone https://github.com/open-mmlab/mmpretrain.git
进入mmpretrain根目录,安装openmim
cd mmpretrain
pip install -U openmim
mim install -e .
通过Docker
使用 MMPretrain
# 构建默认的 PyTorch 1.12.1,CUDA 11.3 版本镜像
# 如果你希望使用其他版本,请修改 Dockerfile
docker build -t mmpretrain docker/
Docker命令安装。
docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmpretrain/data mmpretrain
验证
为了验证 MMPretrain 的安装是否正确,我们提供了一些示例代码来执行模型推理。
直接运行以下命令进行验证:
python demo/image_demo.py demo/demo.JPEG resnet18_8xb32_in1k --device cpu
MMPretrain 可以仅在 CPU 环境中安装,在 CPU 模式下,你可以完成训练、测试和模型推理等所有操作。
在给定图像上进行推理
from mmpretrain import inference_model
image = 'https://github.com/open-mmlab/mmpretrain/raw/main/demo/demo.JPEG'
# 如果你没有图形界面,请设置 `show=False`
result = inference_model('resnet50_8xb32_in1k', image, show=True)
print(result['pred_class'])
上述 inference_model
接口可以快速进行模型推理,但它每次调用都需要重新初始化模型,也无法进行多个样本的推理。 因此我们需要使用推理器来进行多次调用。
from mmpretrain import ImageClassificationInferencer
image = 'https://github.com/open-mmlab/mmpretrain/raw/main/demo/demo.JPEG'
inferencer = ImageClassificationInferencer('resnet50_8xb32_in1k')
# 注意推理器的输出始终为一个结果列表,即使输入只有一个样本
result = inferencer('https://github.com/open-mmlab/mmpretrain/raw/main/demo/demo.JPEG')[0]
print(result['pred_class'])
# 你可以对多张图像进行批量推理
image_list = ['demo/demo.JPEG', 'demo/bird.JPEG'] * 16
results = inferencer(image_list, batch_size=8)
print(len(results))
print(results[1]['pred_class'])
在 CUDA 上进行推理
from mmpretrain import ImageClassificationInferencer
image = 'https://github.com/open-mmlab/mmpretrain/raw/main/demo/demo.JPEG'
config = 'configs/resnet/resnet50_8xb32_in1k.py'
checkpoint = 'https://download.openmmlab.com/mmclassification/v0/resnet/resnet50_8xb32_in1k_20210831-ea4938fc.pth'
inferencer = ImageClassificationInferencer(model=config, pretrained=checkpoint, device='cuda')
result = inferencer(image)[0]
print(result['pred_class'])
训练
python tools/train.py ${CONFIG_FILE} [ARGS]
使用推理器的 list_models
方法获取对应任务可用的所有模型
from mmpretrain import ImageCaptionInferencer
ImageCaptionInferencer.list_models()
list_models
支持 Unix 文件名风格的模式匹配,你可以使用** * **
匹配任意字符。
from mmpretrain import list_models
list_models("*next*0")
测试
python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [ARGS]