6.1.4. EXAMPLES

本节为您带来包括 Docker镜像说明 、 执行脚本 、 多机使用说明 、 MobileNetV1分类模型训练 、 RetinaNet检测模型训练 、 YOLOV3检测模型训练 、 FCOS检测模型训练 、 UNet分割模型训练 、 PwcNet光流预测模型训练 、 PointPillars检测模型训练 等内容的介绍。

• 6.1.4.1. Docker 镜像说明
  • 6.1.4.1.1. 1. 如何启动
  • 6.1.4.1.2. 2. 获取执行脚本
• 6.1.4.2. 执行脚本
  • 6.1.4.2.1. tools
• 6.1.4.3. 多机使用说明
  • 6.1.4.3.1. 1. 环境准备
  • 6.1.4.3.2. 2. 启动docker
  • 6.1.4.3.3. 3. 使用mpirun启动多机多卡训练脚本
• 6.1.4.4. MobileNetV1分类模型训练
  • 6.1.4.4.1. 1. 训练流程
    • 6.1.4.4.1.1. 数据集准备
    • 6.1.4.4.1.2. 模型训练
    • 6.1.4.4.1.3. 模型验证
    • 6.1.4.4.1.4. 模型推理
    • 6.1.4.4.1.5. 仿真上板精度验证
    • 6.1.4.4.1.6. 定点模型编译
  • 6.1.4.4.2. 2. 训练细节
    • 6.1.4.4.2.1. 训练条件
    • 6.1.4.4.2.2. 网络结构
    • 6.1.4.4.2.3. 数据增强
    • 6.1.4.4.2.4. 训练策略
    • 6.1.4.4.2.5. 量化训练
    • 6.1.4.4.2.6. 模型检查编译和仿真上板精度验证
  • 6.1.4.4.3. 3. 预训练模型
• 6.1.4.5. RetinaNet检测模型训练
  • 6.1.4.5.1. 数据集准备
  • 6.1.4.5.2. 浮点模型训练
    • 6.1.4.5.2.1. 模型构建
    • 6.1.4.5.2.2. 数据增强
    • 6.1.4.5.2.3. 训练策略
  • 6.1.4.5.3. 量化模型训练
    • 6.1.4.5.3.1. model_convert_pipeline参数的值不同
    • 6.1.4.5.3.2. 训练策略不同
    • 6.1.4.5.3.3. 模型验证
    • 6.1.4.5.3.4. 仿真上板精度验证
      • 6.1.4.5.3.4.1. 结果可视化
    • 6.1.4.5.3.5. 模型检查和编译
• 6.1.4.6. YOLOV3检测模型训练
  • 6.1.4.6.1. 训练流程
  • 6.1.4.6.2. 训练细节
    • 6.1.4.6.2.1. 网络结构
    • 6.1.4.6.2.2. 数据增强
    • 6.1.4.6.2.3. 训练策略
    • 6.1.4.6.2.4. 量化训练
    • 6.1.4.6.2.5. 模型检查和编译
• 6.1.4.7. FCOS检测模型训练
  • 6.1.4.7.1. 数据集准备
  • 6.1.4.7.2. 浮点模型训练
    • 6.1.4.7.2.1. 模型构建
    • 6.1.4.7.2.2. 数据增强
    • 6.1.4.7.2.3. 训练策略
  • 6.1.4.7.3. 量化模型训练
    • 6.1.4.7.3.1. quantize参数的值不同
    • 6.1.4.7.3.2. 训练策略不同
    • 6.1.4.7.3.3. 模型验证
    • 6.1.4.7.3.4. 仿真上板精度验证
    • 6.1.4.7.3.5. 结果可视化
    • 6.1.4.7.3.6. 模型检查和编译
• 6.1.4.8. UNet分割模型训练
  • 6.1.4.8.1. 1. 训练流程
    • 6.1.4.8.1.1. 数据集下载
    • 6.1.4.8.1.2. 数据集打包
    • 6.1.4.8.1.3. 模型训练
    • 6.1.4.8.1.4. 指标验证
    • 6.1.4.8.1.5. 仿真上板精度验证
    • 6.1.4.8.1.6. 模型推理
    • 6.1.4.8.1.7. 模型编译
  • 6.1.4.8.2. 2. 训练细节
    • 6.1.4.8.2.1. 模型结构
    • 6.1.4.8.2.2. 数据预处理
    • 6.1.4.8.2.3. 训练策略
    • 6.1.4.8.2.4. 量化训练策略
    • 6.1.4.8.2.5. 模型检查和编译
  • 6.1.4.8.3. 3. 预训练模型
• 6.1.4.9. PwcNet光流预测模型训练
  • 6.1.4.9.1. 1. 训练流程
    • 6.1.4.9.1.1. 数据集准备
    • 6.1.4.9.1.2. 模型训练
    • 6.1.4.9.1.3. 模型验证
    • 6.1.4.9.1.4. 模型推理
    • 6.1.4.9.1.5. 仿真上板精度验证
    • 6.1.4.9.1.6. 定点模型检查和编译
  • 6.1.4.9.2. 1. 训练细节
    • 6.1.4.9.2.1. 模型构建
    • 6.1.4.9.2.2. 数据增强
    • 6.1.4.9.2.3. 训练策略
    • 6.1.4.9.2.4. 量化训练
    • 6.1.4.9.2.5. 模型检查编译和仿真上板精度验证
• 6.1.4.10. PointPillars检测模型训练
  • 6.1.4.10.1. 数据集准备
  • 6.1.4.10.2. 浮点模型训练
    • 6.1.4.10.2.1. 模型构建
    • 6.1.4.10.2.2. 数据增强
    • 6.1.4.10.2.3. 训练策略
    • 6.1.4.10.2.4. 量化模型训练
    • 6.1.4.10.2.5. quantize参数的值不同
    • 6.1.4.10.2.6. 训练策略不同
    • 6.1.4.10.2.7. 模型验证
    • 6.1.4.10.2.8. 仿真上板精度验证
    • 6.1.4.10.2.9. 结果可视化
    • 6.1.4.10.2.10. 模型检查和编译