Paddle-3日训练营3.8(day1)

第一步：配置Notebook

1.找到昨天创建的Notebook任务，点击配置

2.配置选择

开发语言：Python3.7AI框架：PaddlePaddle2.0.0资源规格：GPU V100

3.打开Notebook

4.上传本次Notebook操作模型

若没来得及下载，请点击链接下载：https://aistudio.baidu.com/aistudio/datasetdetail/120387

第二步：环境准备

1.安装filelock

!pip install filelock

2.安装PaddleX

!pip install paddlex

3.升级paddlepaddle-gpu为2.1.3版本

!pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

第三步：目标检测模型训练

训练过程说明:

定义数据预处理 -> 定义数据集路径 -> 初始化模型 -> 模型训练

1.调用PaddleX

import paddlex as pdxfrom paddlex import transforms as T

2.定义训练和验证时的transforms

**API详细说明：**https://github.com/PaddlePaddle/PaddleX/blob/release/2.0-rc/paddlex/cv/transforms/operators.py

train_transforms = T.Compose([    T.MixupImage(mixup_epoch=250), T.RandomDistort(),    T.RandomExpand(im_padding_value=[123.675, 116.28, 103.53]), T.RandomCrop(),    T.RandomHorizontalFlip(), T.BatchRandomResize(        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],        interp='RANDOM'), T.Normalize(            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
eval_transforms = T.Compose([    T.Resize(        608, interp='CUBIC'), T.Normalize(            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])

3.下载用于目标检测训练的表计读数数据集

meter_det_dataset = 'https://bj.bcebos.com/paddlex/examples/meter_reader/datasets/meter_det.tar.gz'pdx.utils.download_and_decompress(meter_det_dataset, path='./')

可在左侧文件夹区域查看数据集

4.设置训练参数

**详细API说明：**https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/cv/datasets/coco.py#L26

train_dataset = pdx.datasets.CocoDetection(    data_dir='meter_det/train/',    ann_file='meter_det/annotations/instance_train.json',    transforms=train_transforms,    shuffle=True)eval_dataset = pdx.datasets.CocoDetection(    data_dir='meter_det/test/',    ann_file='meter_det/annotations/instance_test.json',    transforms=eval_transforms)

5.训练结束后查看bestmodel

第四步：保存Notebook并关闭、停止运行

提示：Notebook一旦运行即会开始计费，如果不用请及时停止！以免浪费免费额度

截图示例：