该文介绍了如何在超算平台配置Anaconda环境，创建并激活Python3.8的虚拟环境mmcls，安装PyTorch和mmlab。接着，下载数据集并进行8:2的划分，然后修改模型、数据和训练配置文件以适应任务需求。最后，使用单GPU进行网络训练并通过提交脚本执行。
图像分类代码实战
1.配置环境
- 在超算平台上安装anaconda
module load anaconda/2021.05
- 创建虚拟环境mmcls
conda activate -n mmcls python=3.8
- 激活虚拟环境
conda activate mmcls
- 安装对应版本的pytorch，最好使用pip命令安装。可以直接参考pytorch官网的命令。
- 安装mmlab
2.准备数据集
- 下载数据集
- 划分数据集，按照8：2的比例进行划分
3.修改配置文件
- 引用已有的模型配置文件，并进行简单的修改，以适应本次分类任务
- 引用已有的数据配置文件，让路径修改到本地的路径
- 引用已有的训练配置文件，选择适合本次任务的学习率及动量
- 加载预训练权重
- 对模型进行微调
4.训练网络
- 构建训练脚本
- 提交脚本
sbatch --gpus=1 run.sh
扫一扫
40
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
