4.0 KiB
4.0 KiB
NPU (华为昇腾)
使用方法
首先，请参考 {external+mmcv:doc}教程 <get_started/build> 安装带有 NPU 支持的 MMCV。
使用如下命令，可以利用 8 个 NPU 在机器上训练模型（以 ResNet 为例）：
bash tools/dist_train.sh configs/cspnet/resnet50_8xb32_in1k.py 8 --device npu
或者，使用如下命令，在一个 NPU 上训练模型（以 ResNet 为例）：
python tools/train.py configs/cspnet/resnet50_8xb32_in1k.py --device npu
经过验证的模型
| 模型 | Top-1 (%) | Top-5 (%) | 配置文件 | 相关下载 |
|---|---|---|---|---|
| CSPResNeXt50 | 77.10 | 93.55 | config | model | log |
| DenseNet121 | 72.62 | 91.04 | config | model | log |
| EfficientNet-B4(AA + AdvProp) | 75.55 | 92.86 | config | model | log |
| HRNet-W18 | 77.01 | 93.46 | config | model | log |
| ResNetV1D-152 | 77.11 | 94.54 | config | model | log |
| ResNet-50 | 76.40 | - | config | model | log |
| ResNetXt-32x4d-50 | 77.55 | 93.75 | config | model | log |
| SE-ResNet-50 | 77.64 | 93.76 | config | model | log |
| VGG-11 | 68.92 | 88.83 | config | model | log |
| ShuffleNetV2 1.0x | 69.53 | 88.82 | config | model | log |
以上所有模型权重及训练日志均由华为昇腾团队提供