Merge branch 'master' into 'master'

updated readme

See merge request !3

.gitmodules

-[submodule "mmclassification-mmcv"]
-	path = mmclassification-mmcv
-	url = http://developer.hpccube.com/codes/aicomponent/mmclassification-mmcv
 [submodule "mmpretrain-mmcv"]
 	path = mmpretrain-mmcv
 	url = https://developer.hpccube.com/codes/OpenDAS/mmpretrain-mmcv/

README.md

@@ -98,7 +98,7 @@ for tarfile in *.tar; do
 done
 ```
 
-目录结构如下
+将训练数据集解压后放置于mmpretrain-mmcv/data/，对于imagenet，目录结构如下
 
 ```
 data
@@ -114,47 +114,7 @@ data
 
 ### Tiny-ImageNet-200
 
-由于ImageNet完整数据集较大，可以使用[tiny-imagenet-200](http://cs231n.stanford.edu/tiny-imagenet-200.zip)进行测试，可于SCNet快速下载[tiny-imagenet-200-scnet](http://113.200.138.88:18080/aidatasets/project-dependency/tiny-imagenet-200) ，此时需要对配置脚本进行一些修改：
-
-- dataset配置文件(configs/\_\_base\_\_/datasets/{DATASET_CONFIG}.py)中，需要对以下字段进行修改
-  
-  ```python
-   # dataset settings
-    dataset_type = 'CustomDataset'  # 修改为CustomDataset
-    data_preprocessor = dict(
-        num_classes=200,  # 修改类别为200
-        ...
-    )
-    ...
-    train_dataloader = dict(
-        batch_size=32,
-        num_workers=5,
-        dataset=dict(
-            type=dataset_type,
-            data_root='data/imagenet',
-            data_prefix='train',  # 改为data_prefix='train'，val_dataloader中同理
-            pipeline=train_pipeline),
-        sampler=dict(type='DefaultSampler', shuffle=True),
-    )
-  ```
-
-- model配置文件(configs/\_\_base\_\_/models/{MODEL_CONFIG}.py)中，同样需要将类别相关的值设置为200。
-  
-  ```python
-  # model settings
-  model = dict(
-      type='ImageClassifier',
-      ...
-      head=dict(
-          type='LinearClsHead',
-          num_classes=200,  # 将类别数改为200
-          ...
-      ))
-  ```
-  
-  本仓库的mmpretrain-mmcv中提供了使用tiny-imagenet-200进行训练的若干配置脚本，可参考进行设置。
-
-## 训练
+由于ImageNet完整数据集较大，可以使用[tiny-imagenet-200](http://cs231n.stanford.edu/tiny-imagenet-200.zip)进行测试，可于SCNet快速下载[tiny-imagenet-200-scnet](http://113.200.138.88:18080/aidatasets/project-dependency/tiny-imagenet-200) ，此时需要对配置脚本进行一些修改，可参照mmpretrain-mmcv子仓库中进行配置，其中提供了使用tiny-imagenet-200进行训练的若干示例配置。
 
 将训练数据集解压后放置于mmpretrain-mmcv/data/，对于tiny-imagenet，目录结构如下：
 
@@ -168,7 +128,7 @@ data
     └── words.txt
 ```
 
-### 单机8卡训练
+## 训练
 
 - tiny-imagenet-200
 
@@ -182,11 +142,19 @@ bash tools/dist_train.sh efficientnet-b2-test.py  8
 bash tools/dist_train.sh configs/efficientnet/efficientnet-b2_8xb32_in1k.py 8
 ```
 
-如需其他卡数训练，将命令中的8改为所需卡数即可；
+tips：如需其他卡数训练，将命令中的8改为所需卡数即可；如遇端口占用问题，可在tools/dist_train.sh修改端口。
+
+## Result
+
+![img](https://developer.hpccube.com/codes/modelzoo/vit_pytorch/-/raw/master/image/README/1695381570003.png)
 
-如遇端口占用问题，可在tools/dist_train.sh修改端口。
+### 精度
 
+测试数据使用的是ImageNet数据集，使用的加速卡是DCU Z100L。
 
+| 卡数  | 精度                        |
+|:---:|:-------------------------:|
+| 8   | top1:0.73228;top5:0.91522 |
 
 ## 应用场景
 

mmclassification-mmcv @ 0f6a312a

-Subproject commit 0f6a312ab4b30c6e27efd93608268fe0fe3f7dcc

mmpretrain-mmcv @ 5cd237dc

-Subproject commit 12c02d0917bcbfbac86f52b93f02ce87edb7835b
+Subproject commit 5cd237dc7232a73dd4c06558149c90959e111053