Pytorch基礎訓練庫Pytorch-Base-Trainer(支持模型剪枝 分布式訓練)
目錄
Pytorch基礎訓練庫Pytorch-Base-Trainer(PBT)(支持分布式訓練)
1.Introduction
2.Install
3.訓練框架
(1)訓練引擎(Engine)
(2)回呼函式(Callback)
4.使用方法
5.Example: 構建自己的分類Pipeline
6.可視化
7.其他
1.Introduction
開源不易,麻煩給個【Star】
尊重原創,轉載請注明出處:https://panjinquan.blog.csdn.net/article/details/122662902
GitHub - PanJinquan/Pytorch-Base-Trainer: Pytorch分布式訓練框架Pytorch分布式訓練框架. Contribute to PanJinquan/Pytorch-Base-Trainer development by creating an account on GitHub.
https://github.com/PanJinquan/Pytorch-Base-Trainer考慮到深度學習訓練程序都有一套約定成俗的流程,鄙人借鑒Keras開發了一套基礎訓練庫: Pytorch-Base-Trainer(PBT); 這是一個基于Pytorch開發的基礎訓練庫,支持以下特征:
- 支持多卡訓練訓練(DP模式)和分布式多卡訓練(DDP模式),參考build_model_parallel
- 支持argparse命令列指定引數,也支持config.yaml組態檔
- 支持最優模型保存ModelCheckpoint
- 支持自定義回呼函式Callback
- 支持NNI模型剪枝(L1/L2-Pruner,FPGM-Pruner Slim-Pruner)nni_pruning
- 非常輕便,安裝簡單
誠然,諸多大公司已經開源基礎庫,如MMClassification,MMDetection等庫; 但礙于這些開源庫安裝麻煩,依賴庫多,版本差異大等問題;鄙人還是開發了一套屬于自己的, 比較lowbi的基礎訓練庫Pytorch-Base-Trainer(PBT), 基于PBT可以快速搭建自己的訓練工程; 目前,基于PBT完成了通用分類別庫(PBTClassification),通用檢測庫(PBTDetection),通用語意分割庫( PBTSegmentation)以及,通用姿態檢測庫(PBTPose)
| 通用庫 | 型別 | 說明 |
|---|---|---|
| PBTClassification | 通用分類別庫 | 集成常用的分類模型,支持多種資料格式,樣本重采樣 |
| PBTDetection | 通用檢測庫 | 集成常用的檢測類模型,如RFB,SSD和YOLOX |
| PBTSegmentation | 通用語意分割庫 | 集成常用的語意分割模型,如DeepLab,UNet等 |
| PBTPose | 通用姿態檢測庫 | 集成常用的人體姿態估計模型,如UDP,Simple-base-line |
基于PBT框架訓練的模型,已經形成了一套完整的Android端上部署流程,支持CPU和GPU
| 人體姿態估計2DPose | 人臉+人體檢測 | 人像摳圖 |
|---|---|---|
![]() | ![]() | ![]() |
| CPU/GPU:70/50ms | CPU/GPU:30/20ms | CPU/GPU:150/30ms |
PS:受商業保護,目前,僅開源Pytorch-Base-Trainer(PBT),基于PBT的分類,檢測和分割以及姿態估計訓練庫,暫不開源,
2.Install
- 原始碼安裝
git clone https://github.com/PanJinquan/Pytorch-Base-Trainer
cd Pytorch-Base-Trainer
bash setup.sh #pip install dist/basetrainer-*.*.*.tar.gz
- pip安裝
pip install basetrainer
- 使用NNI 模型剪枝工具,需要安裝NNI
# Linux or macOS
python3 -m pip install --upgrade nni
# Windows
python -m pip install --upgrade nni
3.訓練框架
PBT基礎訓練庫定義了一個基類(Base),所有訓練引擎(Engine)以及回呼函式(Callback)都會繼承基類,

(1)訓練引擎(Engine)
Engine類實作了訓練/測驗的迭代方法(如on_batch_begin,on_batch_end),其迭代程序參考如下,用戶可以根據自己的需要自定義迭代程序:
self.on_train_begin()
for epoch in range(num_epochs):
self.set_model() # 設定模型
# 開始訓練
self.on_epoch_begin() # 開始每個epoch呼叫
for inputs in self.train_dataset:
self.on_batch_begin() # 每次迭代開始時回呼
self.run_step() # 每次迭代回傳outputs, losses
self.on_train_summary() # 每次迭代,訓練結束時回呼
self.on_batch_end() # 每次迭代結束時回呼
# 開始測驗
self.on_test_begin()
for inputs in self.test_dataset:
self.run_step() # 每次迭代回傳outputs, losses
self.on_test_summary() # 每次迭代,測驗結束時回呼
self.on_test_end() # 結束測驗
# 結束當前epoch
self.on_epoch_end()
self.on_train_end()
EngineTrainer類繼承Engine類,用戶需要繼承該類,并實作相關介面:
| 介面 | 說明 |
|---|---|
| build_train_loader | 定義訓練資料 |
| build_test_loader | 定義測驗資料 |
| build_model | 定義模型 |
| build_optimizer | 定義優化器 |
| build_criterion | 定義損失函式 |
| build_callbacks | 定義回呼函式 |
另外,EngineTrainer類還是實作了兩個重要的類方法(build_dataloader和build_model_parallel),用于構建分布式訓練
| 類方法 | 說明 |
|---|---|
| build_dataloader | 用于構建加載方式,引數distributed設定是否使用分布式加載資料 |
| build_model_parallel | 用于構建模型,引數distributed設定是否使用分布式訓練模型 |
(2)回呼函式(Callback)
每個回呼函式都需要繼承(Callback),用戶在回呼函式中,可實作對迭代方法輸入/輸出的處理,例如:
| 回呼函式 | 說明 |
|---|---|
| LogHistory | Log歷史記錄回呼函式,可使用Tensorboard可視化 |
| ModelCheckpoint | 保存模型回呼函式,可選擇最優模型保存 |
| LossesRecorder | 單個Loss歷史記錄回呼函式,可計算每個epoch的平均值 |
| MultiLossesRecorder | 用于多任務Loss的歷史記錄回呼函式 |
| AccuracyRecorder | 用于計算分類Accuracy回呼函式 |
| get_scheduler | 各種學習率調整策略(MultiStepLR,CosineAnnealingLR,ExponentialLR)的回呼函式 |
4.使用方法
basetrainer使用方法可以參考example.py,構建自己的訓練器,可通過如下步驟實作:
- step1: 新建一個類
ClassificationTrainer,繼承trainer.EngineTrainer - step2: 實作介面
def build_train_loader(self, cfg, **kwargs):
"""定義訓練資料"""
raise NotImplementedError("build_train_loader not implemented!")
def build_test_loader(self, cfg, **kwargs):
"""定義測驗資料"""
raise NotImplementedError("build_test_loader not implemented!")
def build_model(self, cfg, **kwargs):
"""定于訓練模型"""
raise NotImplementedError("build_model not implemented!")
def build_optimizer(self, cfg, **kwargs):
"""定義優化器"""
raise NotImplementedError("build_optimizer not implemented!")
def build_criterion(self, cfg, **kwargs):
"""定義損失函式"""
raise NotImplementedError("build_criterion not implemented!")
def build_callbacks(self, cfg, **kwargs):
"""定義回呼函式"""
raise NotImplementedError("build_callbacks not implemented!")
step3: 在初始化中呼叫build
def __init__(self, cfg):
super(ClassificationTrainer, self).__init__(cfg)
...
self.build(cfg)
...
step4: 實體化ClassificationTrainer,并使用launch啟動分布式訓練
def main(cfg):
t = ClassificationTrainer(cfg)
return t.run()
if __name__ == "__main__":
parser = get_parser()
args = parser.parse_args()
cfg = setup_config.parser_config(args)
launch(main,
num_gpus_per_machine=len(cfg.gpu_id),
dist_url="tcp://127.0.0.1:28661",
num_machines=1,
machine_rank=0,
distributed=cfg.distributed,
args=(cfg,))
5.Example: 構建自己的分類Pipeline
basetrainer使用方法可以參考example.py
python example.py
- 目標支持的backbone有:resnet[18,34,50,101], ,mobilenet_v2等,詳見backbone等 ,其他backbone可以自定義添加
- 訓練引數可以通過兩種方法指定: (1) 通過argparse命令列指定 (2)通過config.yaml組態檔,當存在同名引數時,以組態檔為默認值
| 引數 | 型別 | 參考值 | 說明 |
|---|---|---|---|
| train_data | str, list | - | 訓練資料檔案,可支持多個檔案 |
| test_data | str, list | - | 測驗資料檔案,可支持多個檔案 |
| work_dir | str | work_space | 訓練輸出作業空間 |
| net_type | str | resnet18 | backbone型別,{resnet,resnest,mobilenet_v2,...} |
| input_size | list | [128,128] | 模型輸入大小[W,H] |
| batch_size | int | 32 | batch size |
| lr | float | 0.1 | 初始學習率大小 |
| optim_type | str | SGD | 優化器,{SGD,Adam} |
| loss_type | str | CELoss | 損失函式 |
| scheduler | str | multi-step | 學習率調整策略,{multi-step,cosine} |
| milestones | list | [30,80,100] | 降低學習率的節點,僅僅scheduler=multi-step有效 |
| momentum | float | 0.9 | SGD動量因子 |
| num_epochs | int | 120 | 回圈訓練的次數 |
| num_warn_up | int | 3 | warn_up的次數 |
| num_workers | int | 12 | DataLoader開啟執行緒數 |
| weight_decay | float | 5e-4 | 權重衰減系數 |
| gpu_id | list | [ 0 ] | 指定訓練的GPU卡號,可指定多個 |
| log_freq | in | 20 | 顯示LOG資訊的頻率 |
| finetune | str | model.pth | finetune的模型 |
| use_prune | bool | True | 是否進行模型剪枝 |
| progress | bool | True | 是否顯示進度條 |
| distributed | bool | False | 是否使用分布式訓練 |
一個簡單分類例子如下:
# -*-coding: utf-8 -*-
"""
@Author : panjq
@E-mail : pan_jinquan@163.com
@Date : 2021-07-28 22:09:32
"""
import os
import sys
sys.path.append(os.getcwd())
import argparse
import basetrainer
from torchvision import transforms
from torchvision.datasets import ImageFolder
from basetrainer.engine import trainer
from basetrainer.engine.launch import launch
from basetrainer.criterion.criterion import get_criterion
from basetrainer.metric import accuracy_recorder
from basetrainer.callbacks import log_history, model_checkpoint, losses_recorder, multi_losses_recorder
from basetrainer.scheduler import build_scheduler
from basetrainer.optimizer.build_optimizer import get_optimizer
from basetrainer.utils import log, file_utils, setup_config, torch_tools
from basetrainer.models import build_models
print(basetrainer.__version__)
class ClassificationTrainer(trainer.EngineTrainer):
""" Training Pipeline """
def __init__(self, cfg):
super(ClassificationTrainer, self).__init__(cfg)
torch_tools.set_env_random_seed()
cfg.model_root = os.path.join(cfg.work_dir, "model")
cfg.log_root = os.path.join(cfg.work_dir, "log")
if self.is_main_process:
file_utils.create_dir(cfg.work_dir)
file_utils.create_dir(cfg.model_root)
file_utils.create_dir(cfg.log_root)
file_utils.copy_file_to_dir(cfg.config_file, cfg.work_dir)
setup_config.save_config(cfg, os.path.join(cfg.work_dir, "setup_config.yaml"))
self.logger = log.set_logger(level="debug",
logfile=os.path.join(cfg.log_root, "train.log"),
is_main_process=self.is_main_process)
# build project
self.build(cfg)
self.logger.info("=" * 60)
self.logger.info("work_dir :{}".format(cfg.work_dir))
self.logger.info("config_file :{}".format(cfg.config_file))
self.logger.info("gpu_id :{}".format(cfg.gpu_id))
self.logger.info("main device :{}".format(self.device))
self.logger.info("num_samples(train):{}".format(self.num_samples))
self.logger.info("num_classes :{}".format(cfg.num_classes))
self.logger.info("mean_num :{}".format(self.num_samples / cfg.num_classes))
self.logger.info("=" * 60)
def build_optimizer(self, cfg, **kwargs):
"""build_optimizer"""
self.logger.info("build_optimizer")
self.logger.info("optim_type:{},init_lr:{},weight_decay:{}".format(cfg.optim_type, cfg.lr, cfg.weight_decay))
optimizer = get_optimizer(self.model,
optim_type=cfg.optim_type,
lr=cfg.lr,
momentum=cfg.momentum,
weight_decay=cfg.weight_decay)
return optimizer
def build_criterion(self, cfg, **kwargs):
"""build_criterion"""
self.logger.info("build_criterion,loss_type:{},num_classes:{}".format(cfg.loss_type, cfg.num_classes))
criterion = get_criterion(cfg.loss_type, cfg.num_classes, device=self.device)
return criterion
def build_train_loader(self, cfg, **kwargs):
"""build_train_loader"""
self.logger.info("build_train_loader,input_size:{}".format(cfg.input_size))
transform = transforms.Compose([
transforms.Resize([int(128 * cfg.input_size[1] / 112), int(128 * cfg.input_size[0] / 112)]),
transforms.RandomHorizontalFlip(),
transforms.RandomCrop([cfg.input_size[1], cfg.input_size[0]]),
transforms.ToTensor(),
transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]),
])
dataset = ImageFolder(root=cfg.train_data, transform=transform)
cfg.num_classes = len(dataset.classes)
cfg.classes = dataset.classes
loader = self.build_dataloader(dataset, cfg.batch_size, cfg.num_workers, phase="train",
shuffle=True, pin_memory=False, drop_last=True, distributed=cfg.distributed)
return loader
def build_test_loader(self, cfg, **kwargs):
"""build_test_loader"""
self.logger.info("build_test_loader,input_size:{}".format(cfg.input_size))
transform = transforms.Compose([
transforms.Resize([int(128 * cfg.input_size[1] / 112), int(128 * cfg.input_size[0] / 112)]),
transforms.CenterCrop([cfg.input_size[1], cfg.input_size[0]]),
transforms.ToTensor(),
transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]),
])
dataset = ImageFolder(root=cfg.train_data, transform=transform)
loader = self.build_dataloader(dataset, cfg.batch_size, cfg.num_workers, phase="test",
shuffle=False, pin_memory=False, drop_last=False, distributed=False)
return loader
def build_model(self, cfg, **kwargs):
"""build_model"""
self.logger.info("build_model,net_type:{}".format(cfg.net_type))
model = build_models.get_models(net_type=cfg.net_type, input_size=cfg.input_size,
num_classes=cfg.num_classes, pretrained=True)
if cfg.finetune:
self.logger.info("finetune:{}".format(cfg.finetune))
state_dict = torch_tools.load_state_dict(cfg.finetune)
model.load_state_dict(state_dict)
if cfg.use_prune:
from basetrainer.pruning import nni_pruning
sparsity = 0.2
self.logger.info("use_prune:{},sparsity:{}".format(cfg.use_prune, sparsity))
model = nni_pruning.model_pruning(model,
input_size=[1, 3, cfg.input_size[1], cfg.input_size[0]],
sparsity=sparsity,
reuse=False,
output_prune=os.path.join(cfg.work_dir, "prune"))
model = self.build_model_parallel(model, cfg.gpu_id, distributed=cfg.distributed)
return model
def build_callbacks(self, cfg, **kwargs):
"""定義回呼函式"""
self.logger.info("build_callbacks")
# 準確率記錄回呼函式
acc_record = accuracy_recorder.AccuracyRecorder(target_names=cfg.classes,
indicator="Accuracy")
# loss記錄回呼函式
loss_record = losses_recorder.LossesRecorder(indicator="loss")
# Tensorboard Log等歷史記錄回呼函式
history = log_history.LogHistory(log_dir=cfg.log_root,
log_freq=cfg.log_freq,
logger=self.logger,
indicators=["loss", "Accuracy"],
is_main_process=self.is_main_process)
# 模型保存回呼函式
checkpointer = model_checkpoint.ModelCheckpoint(model=self.model,
optimizer=self.optimizer,
moder_dir=cfg.model_root,
epochs=cfg.num_epochs,
start_save=-1,
indicator="Accuracy",
logger=self.logger)
# 學習率調整策略回呼函式
lr_scheduler = build_scheduler.get_scheduler(cfg.scheduler,
optimizer=self.optimizer,
lr_init=cfg.lr,
num_epochs=cfg.num_epochs,
num_steps=self.num_steps,
milestones=cfg.milestones,
num_warn_up=cfg.num_warn_up)
callbacks = [acc_record,
loss_record,
lr_scheduler,
history,
checkpointer]
return callbacks
def run(self, logs: dict = {}):
self.logger.info("start train")
super().run(logs)
def main(cfg):
t = ClassificationTrainer(cfg)
return t.run()
def get_parser():
parser = argparse.ArgumentParser(description="Training Pipeline")
parser.add_argument("-c", "--config_file", help="configs file", default="configs/config.yaml", type=str)
# parser.add_argument("-c", "--config_file", help="configs file", default=None, type=str)
parser.add_argument("--train_data", help="train data", default="./data/dataset/train", type=str)
parser.add_argument("--test_data", help="test data", default="./data/dataset/val", type=str)
parser.add_argument("--work_dir", help="work_dir", default="output", type=str)
parser.add_argument("--input_size", help="input size", nargs="+", default=[224, 224], type=int)
parser.add_argument("--batch_size", help="batch_size", default=32, type=int)
parser.add_argument("--gpu_id", help="specify your GPU ids", nargs="+", default=[0], type=int)
parser.add_argument("--num_workers", help="num_workers", default=0, type=int)
parser.add_argument("--num_epochs", help="total epoch number", default=50, type=int)
parser.add_argument("--scheduler", help=" learning scheduler: multi-step,cosine", default="multi-step", type=str)
parser.add_argument("--milestones", help="epoch stages to decay learning rate", nargs="+",
default=[10, 20, 40], type=int)
parser.add_argument("--num_warn_up", help="num_warn_up", default=3, type=int)
parser.add_argument("--net_type", help="net_type", default="mobilenet_v2", type=str)
parser.add_argument("--finetune", help="finetune model file", default=None, type=str)
parser.add_argument("--loss_type", help="loss_type", default="CELoss", type=str)
parser.add_argument("--optim_type", help="optim_type", default="SGD", type=str)
parser.add_argument("--lr", help="learning rate", default=0.1, type=float)
parser.add_argument("--weight_decay", help="weight_decay", default=0.0005, type=float)
parser.add_argument("--momentum", help="momentum", default=0.9, type=float)
parser.add_argument("--log_freq", help="log_freq", default=10, type=int)
parser.add_argument('--use_prune', action='store_true', help='use prune', default=False)
parser.add_argument('--progress', action='store_true', help='display progress bar', default=True)
parser.add_argument('--distributed', action='store_true', help='use distributed training', default=False)
parser.add_argument('--polyaxon', action='store_true', help='polyaxon', default=False)
return parser
if __name__ == "__main__":
parser = get_parser()
cfg = setup_config.parser_config(parser.parse_args(), cfg_updata=True)
launch(main,
num_gpus_per_machine=len(cfg.gpu_id),
dist_url="tcp://127.0.0.1:28661",
num_machines=1,
machine_rank=0,
distributed=cfg.distributed,
args=(cfg,))
6.可視化
目前訓練程序可視化工具是使用Tensorboard,使用方法:
tensorboard --logdir=path/to/log/
![]() | ![]() |
|---|---|
![]() | ![]() |
![]() | ![]() |
7.其他
| 作者 | PKing |
|---|---|
| 聯系方式 | pan_jinquan@163.com |
轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/421419.html
標籤:AI









