MMaction2 使用记录1——训练及测试

这篇具有很好参考价值的文章主要介绍了MMaction2 使用记录1——训练及测试。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

训练及测试

Training

在你的 PC上训练

 Training 多 GPUs

Test


训练及测试

Training

在你的 PC上训练

你可以使用tools/train.py在一台有CPU和可选GPU的机器上训练一个模型。

下面是该脚本的完整用法:

python tools/train.py ${CONFIG_FILE} [ARGS]

默认情况下,MMAction2更喜欢 GPU 而不是 CPU。如果你想在 CPU 上训练一个模型,请清空 CUDA _ VISIBLE _ DevICES 或设置为 -1,使 GPU 对程序来说是不可见的。

CUDA_VISIBLE_DEVICES=-1 python tools/train.py ${CONFIG_FILE} [ARGS]

MMaction2 使用记录1——训练及测试,翻译,人工智能,算法,机器学习,框架,mmaction

 Training 多 GPUs

我们提供了一个 shell 脚本来启动一个多 GPU 任务,并使用 torch.distribution。

bash tools/dist_train.sh ${CONFIG} ${GPUS} [PY_ARGS]

MMaction2 使用记录1——训练及测试,翻译,人工智能,算法,机器学习,框架,mmaction 指定端口运行

PORT=29666 bash tools/dist_train.sh ${CONFIG} ${GPUS} [PY_ARGS]

 如果希望启动多个训练jobs并使用不同的 GPU,可以通过指定不同的端口和可见设备来启动它们。

CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=29500 bash tools/dist_train.sh ${CONFIG} 4 [PY_ARGS]
CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 bash tools/dist_train.sh ${CONFIG} 4 [PY_ARGS]

Test

Test with your PC

您可以使用 tools/test.py 在一台带有 CPU 和 GPU (可选)的机器上测试模型。

以下是剧本的全部用法:文章来源地址https://www.toymoban.com/news/detail-521523.html

python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [ARGS]
指定不适用GPU
CUDA_VISIBLE_DEVICES=-1 python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [ARGS]
多GPU
bash tools/dist_test.sh ${CONFIG} ${CHECKPOINT} ${GPUS} [PY_ARGS]
指定端口
PORT=29666 bash tools/dist_test.sh ${CONFIG} ${CHECKPOINT} ${GPUS} [PY_ARGS]
多任务不同GPU
CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=29500 bash tools/dist_test.sh ${CONFIG} ${CHECKPOINT} 4 [PY_ARGS]
CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 bash tools/dist_test.sh ${CONFIG} ${CHECKPOINT} 4 [PY_ARGS]

到了这里,关于MMaction2 使用记录1——训练及测试的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 模型训练:优化人工智能和机器学习,完善DevOps工具的使用

    作者:JFrog大中华区总经理董任远 据说法餐的秘诀在于黄油、黄油、更多的黄油。同样,对于DevOps而言,成功的三大秘诀是自动化、自动化、更高程度的自动化,而这一切归根结底都在于构建能够更快速地不断发布新版软件的流程。 尽管人们认为在人工智能(AI)和机器学习

    2024年02月10日
    浏览(39)
  • 探索人工智能 | 模型训练 使用算法和数据对机器学习模型进行参数调整和优化

    模型训练是指 使用算法和数据对机器学习模型进行参数调整和优化 的过程。模型训练一般包含以下步骤:数据收集、数据预处理、模型选择、模型训练、模型评估、超参数调优、模型部署、持续优化。 数据收集是指为机器学习或数据分析任务收集和获取用于训练或分析的数

    2024年02月12日
    浏览(56)
  • 【如何训练一个中英翻译模型】LSTM机器翻译模型训练与保存(二)

    【如何训练一个中英翻译模型】LSTM机器翻译seq2seq字符编码(一) 【如何训练一个中英翻译模型】LSTM机器翻译模型训练与保存(二) 【如何训练一个中英翻译模型】LSTM机器翻译模型部署(三) 【如何训练一个中英翻译模型】LSTM机器翻译模型部署之onnx(python)(四) 基于

    2024年02月15日
    浏览(37)
  • 使用Kaggle训练模型的记录

    由于自己手头没有GPU资源,所以只能靠免费的GPU勉强做实验。之前使用的是Google Colab,但是用多用久了以后,就特别容易断,断开以后,基本上就寄了。所以又转向了Kaggle。Kaggle的好处就在于不用fq就能上传文件、运行代码,所以更稳定一点,目前我没有遇到跑着跑着突然断

    2024年02月04日
    浏览(36)
  • 人工智能术语翻译(三)

    人工智能术语翻译第三部分,包括I、J、K、L开头的词汇! 英文术语 中文翻译 常用缩写 备注 I.I.D. Assumption 独立同分布假设 Identically Distributed 同分布的 Identifiable 可辨认的 Identity Function 恒等函数 Identity Mapping 恒等映射 Identity Matrix 单位矩阵 Ill Conditioning 病态 Ill-Formed Problem 病

    2024年02月15日
    浏览(41)
  • 人工智能术语翻译(五)

    人工智能术语翻译第五部分,包括Q、R、S、T开头的词汇! 英文术语 中文翻译 常用缩写 备注 Q Function Q函数 Q-Learning Q学习 Q-Network Q网络 Quadratic Loss Function 平方损失函数 Quadratic Programming 二次规划 Quadrature Pair 象限对 Quantized Neural Network 量子化神经网络 QNN Quantum Computer 量子计算

    2024年02月13日
    浏览(38)
  • 人工智能术语翻译(四)

    人工智能术语翻译第四部分,包括M、N、O、P开头的词汇! 英文术语 中文翻译 常用缩写 备注 Machine Learning Model 机器学习模型 Machine Learning 机器学习 ML 机器学习 Machine Translation 机器翻译 MT Macro Average 宏平均 Macro-F1 宏F1 Macro-P 宏查准率 Macron-R 宏查全率 Mahalanobis Distance 马哈拉诺

    2024年02月12日
    浏览(47)
  • 翻译: LLM构建 GitHub 提交记录的聊天机器人二 使用 Timescale Vector、pgvector 和 LlamaIndex

    接着上篇内容:翻译: LLM构建 GitHub 提交记录的聊天机器人一 使用 Timescale Vector、pgvector 和 LlamaIndex TSV Time Machine 示例应用有三个页面: Home主页:提供应用程序使用说明的应用程序主页。 Load Data加载数据:页面以加载所选存储库的 Git 提交历史记录。 Time Machine Demo:与加载的

    2024年01月20日
    浏览(69)
  • 人工智能会取代人工翻译吗?

    当今社会正处于语言和技术高速发展的阶段,因此语言和技术的碰撞是不可避免的——甚至有些人说这种碰撞已经发生了,我们只是在等待尘埃落定。数字化、物联网、人工智能和机器学习,以及更进一步——智能手机、语音识别,以及互联网和社交媒体的引入;所有这些技

    2023年04月08日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包