Skip to content

GitLab

Switch branch/tag
Find file Normal viewHistoryPermalink
ModelZooStd.md 3.19 KB
Newer Older
liuhy's avatar
提交std.md  
liuhy committed
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120 
# 仓库目录结构
## 除预训练模型外其他文件总大小尽量不要超过50M

    Project
    ├── imgs
    │   ├── xxx.jpg
    │   └── xxx.jpg
    ├── model
    │   ├── xxx.pth #预训练模型 
    │   ├── xxx.onnx #对应的onnx模型
    │   └── xxx.mxr #对应的migraphx离线推理模型
    ├── icon.png
    ├── README.md
    ├── requirement.txt
    ├── model.properties
    ├── code_file1.py
    ├── code_file2.py
    ├── code_file3.py
    ├── dirs
    │   ├── code_file4.py
    │   ├── code_file5.py
    └── └── code_file6.py
### icon.png:模型的图标文件，可到[iconfont](https://www.iconfont.cn/?spm=a313x.7781069.1998910419.d4d0a486a)查找。
### README.md:参照本文件下面部分。
### requirement.txt：模型依赖统一写到此文件。
### model.properties：固定模板如下：

    #模型名称
    modelName=模型名称
    #模型描述
    modelDescription=简要描述此模型(尽量50字以内)
    #应用场景(多个标签以英文逗号分割)
    appScenario=样例：OCR,车牌识别,目标检测,训练,推理,pretrain,train,inference
    #框架类型(多个标签以英文逗号分割)
    frameType=样例：PyTorch,Migraphx,ONNXRuntime

以下是README.md的编写框架：

# 模型名称(此处需修改，用英文全称与简写)
## 模型介绍
此处填写模型介绍。
## 模型结构
此处简要介绍模型结构。
## 数据集
此处介绍使用的数据集

如添加了自己写的数据集处理脚本，在此处说明脚本的使用方法：

    python xxx.py \
        --args0 xxx \
        --args1 xxx  \
        ...
## 训练及推理
### 环境配置
提供[光源](https://www.sourcefind.cn/#/service-details)拉取的训练以及推理的docker镜像：
* 训练镜像：
* 推理镜像：
### 训练与Fine-tunning
训练命令：

    python train.py \
        --args0 xxx \
        --args1 xxx  \
        ...

Fine-tunning命令：

    python train.py \
        --args0 xxx \
        --args1 xxx  \
        ...
### 预训练模型
model文件夹提供的预训练模型介绍，例如：

    Project
    ├── model
    │   ├── xxx.pth #pytorch预训练模型 
    │   ├── xxx.onnx #对应的onnx模型
    └── └── xxx.mxr #对应的migraphx离线推理模型
### 测试
测试命令：

    python test.py \
        --args0 xxx \
        --args1 xxx
        ...

### 推理
推理引擎版本：
* ONNXRuntime(DCU版本) >= x.xx.x
* Migraphx(DCU版本) >= x.x.x
#### ORT
基于ORT的推理命令：

    python ORT_infer.py \
        --args0 xxx \
        --args1 xxx \
        ...
#### Migraphx
基于Migraphx的推理命令：

    python Migraphx_infer.py \
        --args0 xxx \
        --args1 xxx \
        ...

## 性能和准确率数据
测试数据：[test data](链接)，使用的加速卡:xxx。

根据模型情况填写表格：
| xxx | xxx | xxx | xxx | xxx |
| :------: | :------: | :------: | :------: |:------: |
| xxx | xxx | xxx | xxx | xxx  |
| xxx | xx | xxx | xxx | xxx |
## 历史版本
* 仓库的https链接
## 参考
* [Reference1](链接)
* [Reference2](链接)
* ......