modify some script

README.md

@@ -34,6 +34,8 @@ ResNet50v1.5的算法原理是利用残差连接和深层卷积层来构建更
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04.1-py38-latest
 
 docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
+#进入容器后
+pip install pynvml
 ```
 ### Dockerfile（方法二）
 此处提供dockerfile的使用方法
@@ -41,6 +43,8 @@ docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --p
 cd ./docker
 docker build --no-cache -t resnet:v1.5 .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
+#进入容器后
+pip install pynvml
 ```
 ### Anaconda（方法三）
 此处提供本地配置、编译的详细步骤，例如：
@@ -49,11 +53,15 @@ docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --p
 ```
 DTK驱动：dtk23.04.1
 python：python3.8
-torch：1.10
-torchvision：0.10
+torch：1.13
+torchvision：0.14.1
 ```
 `Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应`
-
+另外需要安装如下三方库
+```
+pip install pyyaml
+pip install pynvml
+```
 ## 数据集
 Imagenet
 
@@ -77,6 +85,7 @@ data
 ```
 
 ## 训练
+在运行脚本过程中根据实际情况修改相关脚本的数据集路径及log文件命名
 ### 单机单卡(fp16)
 
 ```

train_multi_fp16.sh

@@ -2,4 +2,4 @@ export HSA_FORCE_FINE_GRAIN_PCIE=1
 export USE_MIOPEN_BATCHNORM=1
 export HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
 export DATA_DIR=/data/imagenet2012  #数据集路径
-python ./multiproc.py --nproc_per_node 8 ./launch.py --model resnet50 --precision AMP --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_`date +%Y%m%d%H%M%S`.log
+python ./multiproc.py --nproc_per_node 8 ./launch.py --model resnet50 --precision AMP --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_fp16_`date +%Y%m%d%H%M%S`.log

train_multi_fp32.sh

@@ -2,4 +2,4 @@ export HSA_FORCE_FINE_GRAIN_PCIE=1
 export USE_MIOPEN_BATCHNORM=1
 export HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
 export DATA_DIR=/data/imagenet2012  #数据集路径
-python ./multiproc.py --nproc_per_node 8 ./launch.py --model resnet50 --precision FP32 --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_`date +%Y%m%d%H%M%S`.log
+python ./multiproc.py --nproc_per_node 8 ./launch.py --model resnet50 --precision FP32 --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_fp32_`date +%Y%m%d%H%M%S`.log

train_single_fp16.sh

 export USE_MIOPEN_BATCHNORM=1
 export HIP_VISIBLE_DEVICES=0
 export DATA_DIR=/data/imagenet2012  #数据集路径
-python ./multiproc.py --nproc_per_node 1 ./launch.py --model resnet50 --precision AMP --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_`date +%Y%m%d%H%M%S`.log
+python ./multiproc.py --nproc_per_node 1 ./launch.py --model resnet50 --precision AMP --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_single_fp16_`date +%Y%m%d%H%M%S`.log

train_single_fp32.sh

 export USE_MIOPEN_BATCHNORM=1
 export HIP_VISIBLE_DEVICES=0
 export DATA_DIR=/data/imagenet2012  #数据集路径
-python ./multiproc.py --nproc_per_node 1 ./launch.py --model resnet50 --precision FP32 --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_multi_`date +%Y%m%d%H%M%S`.log
+python ./multiproc.py --nproc_per_node 1 ./launch.py --model resnet50 --precision FP32 --mode convergence --platform Z100L ${DATA_DIR} --data-backend pytorch --epochs 100 --batch-size 128 --workspace ${1:-./run} --raport-file raport.json 2>&1 | tee resnet50_single_fp32_`date +%Y%m%d%H%M%S`.log