Skip to content

Latest commit

 

History

History
162 lines (120 loc) · 8.54 KB

README.md

File metadata and controls

162 lines (120 loc) · 8.54 KB
Raw

ShuffleNetV2

ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

Model Arch

pre-processing

ShuffleNetV2系列网络的预处理操作可以按照如下步骤进行，即先对图片进行resize至256的尺寸，然后利用CenterCrop算子crop出224的图片对其进行归一化、减均值除方差等操作

[
    torchvision.transforms.Resize(256),
    torchvision.transforms.CenterCrop(224),
    torchvision.transforms.ToTensor(),
    torchvision.transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225],),
]

post-processing

ShuffleNetV2系列网络的后处理操作是对网络输出进行softmax作为每个类别的预测值，然后根据预测值进行排序，选择topk作为输入图片的预测分数以及类别

backbone

ShuffleNetV2系列网络利用channel split将输入通道切分为两个分支，其中一个分支保持不变，另一个分支包含三个恒等通道数的卷积层，之后再将两个分组concat为一个，再执行通道随机化操作

head

ShuffleNetV2系列网络的head层由global-average-pooling层和一层全连接层组成

common

  • channel split
  • channel shuffle
  • depthwise conv
  • group conv

Model Info

模型性能

模型 源码 top1 top5 flops(M) params(M) input size
shufflenet_v2_x0.5 torchvision 60.552 81.746 44.572 1.367 224
shufflenet_v2_x1.0 torchvision 69.362 88.316 152.709 2.279 224
shufflenet_v2_x1.0 mmcls 69.550 88.920 149.000 2.280 224
shufflenet_v2_x0.25 ppcls 49.900 73.790 18.950 0.610 224
shufflenet_v2_x0.33 ppcls 53.730 77.050 24.040 0.650 224
shufflenet_v2_x0.5 ppcls 60.320 82.260 42.580 1.370 224
shufflenet_v2_x1.0 ppcls 68.800 88.450 148.860 2.290 224
shufflenet_v2_x1.5 ppcls 71.630 90.150 301.35 3.530 224
shufflenet_v2_x2.0 ppcls 73.150 91.200 571.700 7.400 224
shufflenet_v2_swish ppcls 70.030 89.170 148.860 2.290 224
shufflenet_v2_x0.5 megvii 61.1 82.6 41 1.4 224
shufflenet_v2_x1.0 megvii 69.4 88.9 146 2.3 224
shufflenet_v2_x1.5 megvii 72.6 90.6 299 3.5 224
shufflenet_v2_x2.0 megvii 75 92.4 591 7.4 224

测评数据集说明

ImageNet 是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家，模拟人类的识别系统建立的。能够从图片中识别物体。ImageNet是一个非常有前景的研究项目，未来用在机器人身上，就可以直接辨认物品和人了。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象;在至少一百万张图像中，还提供了边界框。ImageNet包含2万多个类别; 一个典型的类别，如“气球”或“草莓”，每个类包含数百张图像。

ImageNet数据是CV领域非常出名的数据集，ISLVRC竞赛使用的数据集是轻量版的ImageNet数据集。ISLVRC2012是非常出名的一个数据集，在很多CV领域的论文，都会使用这个数据集对自己的模型进行测试，在该项目中分类算法用到的测评数据集就是ISLVRC2012数据集的验证集。在一些论文中，也会称这个数据叫成ImageNet 1K或者ISLVRC2012，两者是一样的。“1 K”代表的是1000个类别。

评价指标说明

  • top1准确率: 测试图片中最佳得分所对应的标签是正确标注类别的样本数除以总的样本数
  • top5准确率: 测试图片中正确标签包含在前五个分类概率中的个数除以总的样本数

Deploy

step.1 获取模型

  1. torchvision

    python ../common/utils/export_timm_torchvision_model.py --model_library torchvision  --model_name shufflenet_v2 --save_dir ./onnx  --size 224 --pretrained_weights xxx.pth

  2. ppcls

    pip install PaddlePaddle==2.3.2  Paddle2ONNX==1.0.0

paddle2onnx  --model_dir /path/to/resnet_paddle_model/ \
            --model_filename model.pdmodel \
            --params_filename model.pdiparams \
            --save_file model.onnx \
            --enable_dev_version False \
            --opset_version 10

  3. megvii

    git clone https://github.com/megvii-model/ShuffleNet-Series.git
mv source_code/export_onnx.py ShuffleNet-Series/ShuffleNetV2
cd ShuffleNet-Series/ShuffleNetV2
python export_onnx.py --modelsize 0.5x

step.2 准备数据集

  • 本模型使用ImageNet官网ILSVRC2012的5万张验证集进行测试，针对int8校准数据可从该数据集中任选1000张，为了保证量化精度，请保证每个类别都有数据，请用户自行获取该数据集，ILSVRC2012

    ├── ImageNet
|   ├── val
|   |    ├── ILSVRC2012_val_00000001.JPEG
│   |    ├── ILSVRC2012_val_00000002.JPEG
│   |    ├── ......
|   ├── val_label.txt

    sh ./data_prep_sh_files/valprep.sh
    # label.txt
tench, Tinca tinca
goldfish, Carassius auratus
...

step.3 模型转换

  1. 使用模型转换工具vamc，根据具体模型修改配置文件,此处以megvii 为例

    注意megvii的输入为BGR形式

    vamc build ./vacc_code/build/megvii_shufflenetv2.yaml

step.4 benchmark

  1. 生成推理数据npz以及对应的datalist.txt

    python ../common/utils/image2npz.py --dataset_path /path/to/ILSVRC2012_img_val --target_path  /path/to/input_npz  --text_path npz_datalist.txt

  2. 性能测试

    ./vamp -m shufflenet_v2-int8-percentile-3_299_299-vacc/shufflenet_v2 --vdsp_params ./vacc_code/vdsp_params/timm-shufflenet_v2-vdsp_params.json  -i 1 -p 1 -b 1

  3. 获取精度信息

    ./vamp -m shufflenet_v2-int8-percentile-3_299_299-vacc/shufflenet_v2 --vdsp_params ./vacc_code/vdsp_params/timm-shufflenet_v2-vdsp_params.json  -i 1 -p 1 -b 1 --datalist npz_datalist.txt --path_output output

  4. 结果解析及精度评估

    python ../common/eval/vamp_eval.py --result_path output  --datalist npz_datalist.txt --label data/label/imagenet.txt