[Feature] Add training tutorials for detection tasks (#39)

tutorials/train/object_detection/data/.gitignore

@@ -0,0 +1,3 @@
+*.zip
+*.tar.gz
+sarship/

tutorials/train/object_detection/faster_rcnn.py

@@ -0,0 +1,98 @@
+#!/usr/bin/env python
+
+# 目标检测模型Faster R-CNN训练示例脚本
+# 执行此脚本前，请确认已正确安装PaddleRS库
+
+import os
+
+import paddlers as pdrs
+from paddlers import transforms as T
+
+# 下载文件存放目录
+DOWNLOAD_DIR = './data/sarship/'
+# 数据集存放目录
+DATA_DIR = './data/sarship/sar_ship_1/'
+# 训练集`file_list`文件路径
+TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt'
+# 验证集`file_list`文件路径
+EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt'
+# 数据集类别信息文件路径
+LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt'
+# 实验目录，保存输出的模型权重和结果
+EXP_DIR = './output/faster_rcnn/'
+
+# 下载和解压SAR影像舰船检测数据集
+sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
+if not os.path.exists(DATA_DIR):
+    pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR)
+
+# 定义训练和验证时使用的数据变换（数据增强、预处理等）
+# 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行
+# API说明：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md
+train_transforms = T.Compose([
+    # 对输入影像施加随机色彩扰动
+    T.RandomDistort(),
+    # 在影像边界进行随机padding
+    T.RandomExpand(),
+    # 随机裁剪，裁块大小在一定范围内变动
+    T.RandomCrop(),
+    # 随机水平翻转
+    T.RandomHorizontalFlip(),
+    # 对batch进行随机缩放，随机选择插值方式
+    T.BatchRandomResize(
+        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
+        interp='RANDOM'),
+    # 影像归一化
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+eval_transforms = T.Compose([
+    # 使用双三次插值将输入影像缩放到固定大小
+    T.Resize(
+        target_size=608, interp='CUBIC'),
+    # 验证阶段与训练阶段的归一化方式必须相同
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# 分别构建训练和验证所用的数据集
+train_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=TRAIN_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=train_transforms,
+    shuffle=True)
+
+eval_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=EVAL_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=eval_transforms,
+    shuffle=False)
+
+# 构建Faster R-CNN模型
+# 目前已支持的模型请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md
+# 模型输入参数请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py
+model = pdrs.tasks.FasterRCNN(num_classes=len(train_dataset.labels))
+
+# 执行模型训练
+model.train(
+    num_epochs=10,
+    train_dataset=train_dataset,
+    train_batch_size=4,
+    eval_dataset=eval_dataset,
+    # 每多少个epoch存储一次检查点
+    save_interval_epochs=5,
+    # 每多少次迭代记录一次日志
+    log_interval_steps=4,
+    save_dir=EXP_DIR,
+    # 指定预训练权重
+    pretrain_weights='COCO',
+    # 初始学习率大小
+    learning_rate=0.005,
+    # 学习率预热（learning rate warm-up）步数与初始值
+    warmup_steps=0,
+    warmup_start_lr=0.0,
+    # 是否启用VisualDL日志功能
+    use_vdl=True)

tutorials/train/object_detection/faster_rcnn_sar_ship.py

@@ -1,64 +0,0 @@
-import os
-import paddlers as pdrs
-from paddlers import transforms as T
-
-# download dataset
-data_dir = 'sar_ship_1'
-if not os.path.exists(data_dir):
-    dataset_url = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
-    pdrs.utils.download_and_decompress(dataset_url, path='./')
-
-# define transforms
-train_transforms = T.Compose([
-    T.RandomDistort(),
-    T.RandomExpand(),
-    T.RandomCrop(),
-    T.RandomHorizontalFlip(),
-    T.BatchRandomResize(
-        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
-        interp='RANDOM'),
-    T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
-])
-
-eval_transforms = T.Compose([
-    T.Resize(target_size=608, interp='CUBIC'),
-    T.Normalize(
-        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
-])
-
-# define dataset
-train_file_list = os.path.join(data_dir, 'train.txt')
-val_file_list = os.path.join(data_dir, 'valid.txt')
-label_file_list = os.path.join(data_dir, 'labels.txt')
-train_dataset = pdrs.datasets.VOCDetection(
-    data_dir=data_dir,
-    file_list=train_file_list,
-    label_list=label_file_list,
-    transforms=train_transforms,
-    shuffle=True)
-
-eval_dataset = pdrs.datasets.VOCDetection(
-    data_dir=data_dir,
-    file_list=train_file_list,
-    label_list=label_file_list,
-    transforms=eval_transforms,
-    shuffle=False)
-
-# define models
-num_classes = len(train_dataset.labels)
-model = pdrs.tasks.FasterRCNN(num_classes=num_classes)
-
-# train
-model.train(
-    num_epochs=60,
-    train_dataset=train_dataset,
-    train_batch_size=2,
-    eval_dataset=eval_dataset,
-    pretrain_weights='COCO',
-    learning_rate=0.005 / 12,
-    warmup_steps=10,
-    warmup_start_lr=0.0,
-    save_interval_epochs=5,
-    lr_decay_epochs=[20, 40],
-    save_dir='output/faster_rcnn_sar_ship',
-    use_vdl=True)

tutorials/train/object_detection/ppyolo.py

@@ -0,0 +1,99 @@
+#!/usr/bin/env python
+
+# 目标检测模型PP-YOLO训练示例脚本
+# 执行此脚本前，请确认已正确安装PaddleRS库
+
+import os
+
+import paddlers as pdrs
+from paddlers import transforms as T
+
+# 下载文件存放目录
+DOWNLOAD_DIR = './data/sarship/'
+# 数据集存放目录
+DATA_DIR = './data/sarship/sar_ship_1/'
+# 训练集`file_list`文件路径
+TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt'
+# 验证集`file_list`文件路径
+EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt'
+# 数据集类别信息文件路径
+LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt'
+# 实验目录，保存输出的模型权重和结果
+EXP_DIR = './output/ppyolo/'
+
+# 下载和解压SAR影像舰船检测数据集
+# 若目录已存在则不重复下载
+sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
+if not os.path.exists(DATA_DIR):
+    pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR)
+
+# 定义训练和验证时使用的数据变换（数据增强、预处理等）
+# 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行
+# API说明：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md
+train_transforms = T.Compose([
+    # 对输入影像施加随机色彩扰动
+    T.RandomDistort(),
+    # 在影像边界进行随机padding
+    T.RandomExpand(),
+    # 随机裁剪，裁块大小在一定范围内变动
+    T.RandomCrop(),
+    # 随机水平翻转
+    T.RandomHorizontalFlip(),
+    # 对batch进行随机缩放，随机选择插值方式
+    T.BatchRandomResize(
+        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
+        interp='RANDOM'),
+    # 影像归一化
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+eval_transforms = T.Compose([
+    # 使用双三次插值将输入影像缩放到固定大小
+    T.Resize(
+        target_size=608, interp='CUBIC'),
+    # 验证阶段与训练阶段的归一化方式必须相同
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# 分别构建训练和验证所用的数据集
+train_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=TRAIN_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=train_transforms,
+    shuffle=True)
+
+eval_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=EVAL_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=eval_transforms,
+    shuffle=False)
+
+# 构建PP-YOLO模型
+# 目前已支持的模型请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md
+# 模型输入参数请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py
+model = pdrs.tasks.PPYOLO(num_classes=len(train_dataset.labels))
+
+# 执行模型训练
+model.train(
+    num_epochs=10,
+    train_dataset=train_dataset,
+    train_batch_size=4,
+    eval_dataset=eval_dataset,
+    # 每多少个epoch存储一次检查点
+    save_interval_epochs=10,
+    # 每多少次迭代记录一次日志
+    log_interval_steps=4,
+    save_dir=EXP_DIR,
+    # 指定预训练权重
+    pretrain_weights='COCO',
+    # 初始学习率大小
+    learning_rate=0.0005,
+    # 学习率预热（learning rate warm-up）步数与初始值
+    warmup_steps=0,
+    warmup_start_lr=0.0,
+    # 是否启用VisualDL日志功能
+    use_vdl=True)

tutorials/train/object_detection/ppyolotiny.py

@@ -0,0 +1,99 @@
+#!/usr/bin/env python
+
+# 目标检测模型PP-YOLO Tiny训练示例脚本
+# 执行此脚本前，请确认已正确安装PaddleRS库
+
+import os
+
+import paddlers as pdrs
+from paddlers import transforms as T
+
+# 下载文件存放目录
+DOWNLOAD_DIR = './data/sarship/'
+# 数据集存放目录
+DATA_DIR = './data/sarship/sar_ship_1/'
+# 训练集`file_list`文件路径
+TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt'
+# 验证集`file_list`文件路径
+EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt'
+# 数据集类别信息文件路径
+LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt'
+# 实验目录，保存输出的模型权重和结果
+EXP_DIR = './output/ppyolotiny/'
+
+# 下载和解压SAR影像舰船检测数据集
+# 若目录已存在则不重复下载
+sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
+if not os.path.exists(DATA_DIR):
+    pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR)
+
+# 定义训练和验证时使用的数据变换（数据增强、预处理等）
+# 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行
+# API说明：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md
+train_transforms = T.Compose([
+    # 对输入影像施加随机色彩扰动
+    T.RandomDistort(),
+    # 在影像边界进行随机padding
+    T.RandomExpand(),
+    # 随机裁剪，裁块大小在一定范围内变动
+    T.RandomCrop(),
+    # 随机水平翻转
+    T.RandomHorizontalFlip(),
+    # 对batch进行随机缩放，随机选择插值方式
+    T.BatchRandomResize(
+        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
+        interp='RANDOM'),
+    # 影像归一化
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+eval_transforms = T.Compose([
+    # 使用双三次插值将输入影像缩放到固定大小
+    T.Resize(
+        target_size=608, interp='CUBIC'),
+    # 验证阶段与训练阶段的归一化方式必须相同
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# 分别构建训练和验证所用的数据集
+train_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=TRAIN_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=train_transforms,
+    shuffle=True)
+
+eval_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=EVAL_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=eval_transforms,
+    shuffle=False)
+
+# 构建PP-YOLO Tiny模型
+# 目前已支持的模型请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md
+# 模型输入参数请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py
+model = pdrs.tasks.PPYOLOTiny(num_classes=len(train_dataset.labels))
+
+# 执行模型训练
+model.train(
+    num_epochs=10,
+    train_dataset=train_dataset,
+    train_batch_size=4,
+    eval_dataset=eval_dataset,
+    # 每多少个epoch存储一次检查点
+    save_interval_epochs=5,
+    # 每多少次迭代记录一次日志
+    log_interval_steps=4,
+    save_dir=EXP_DIR,
+    # 指定预训练权重
+    pretrain_weights='COCO',
+    # 初始学习率大小
+    learning_rate=0.0001,
+    # 学习率预热（learning rate warm-up）步数与初始值
+    warmup_steps=0,
+    warmup_start_lr=0.0,
+    # 是否启用VisualDL日志功能
+    use_vdl=True)

tutorials/train/object_detection/ppyolov2.py

@@ -0,0 +1,99 @@
+#!/usr/bin/env python
+
+# 目标检测模型PP-YOLOv2训练示例脚本
+# 执行此脚本前，请确认已正确安装PaddleRS库
+
+import os
+
+import paddlers as pdrs
+from paddlers import transforms as T
+
+# 下载文件存放目录
+DOWNLOAD_DIR = './data/sarship/'
+# 数据集存放目录
+DATA_DIR = './data/sarship/sar_ship_1/'
+# 训练集`file_list`文件路径
+TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt'
+# 验证集`file_list`文件路径
+EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt'
+# 数据集类别信息文件路径
+LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt'
+# 实验目录，保存输出的模型权重和结果
+EXP_DIR = './output/ppyolov2/'
+
+# 下载和解压SAR影像舰船检测数据集
+# 若目录已存在则不重复下载
+sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
+if not os.path.exists(DATA_DIR):
+    pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR)
+
+# 定义训练和验证时使用的数据变换（数据增强、预处理等）
+# 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行
+# API说明：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md
+train_transforms = T.Compose([
+    # 对输入影像施加随机色彩扰动
+    T.RandomDistort(),
+    # 在影像边界进行随机padding
+    T.RandomExpand(),
+    # 随机裁剪，裁块大小在一定范围内变动
+    T.RandomCrop(),
+    # 随机水平翻转
+    T.RandomHorizontalFlip(),
+    # 对batch进行随机缩放，随机选择插值方式
+    T.BatchRandomResize(
+        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
+        interp='RANDOM'),
+    # 影像归一化
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+eval_transforms = T.Compose([
+    # 使用双三次插值将输入影像缩放到固定大小
+    T.Resize(
+        target_size=608, interp='CUBIC'),
+    # 验证阶段与训练阶段的归一化方式必须相同
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# 分别构建训练和验证所用的数据集
+train_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=TRAIN_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=train_transforms,
+    shuffle=True)
+
+eval_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=EVAL_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=eval_transforms,
+    shuffle=False)
+
+# 构建PP-YOLOv2模型
+# 目前已支持的模型请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md
+# 模型输入参数请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py
+model = pdrs.tasks.PPYOLOv2(num_classes=len(train_dataset.labels))
+
+# 执行模型训练
+model.train(
+    num_epochs=10,
+    train_dataset=train_dataset,
+    train_batch_size=4,
+    eval_dataset=eval_dataset,
+    # 每多少个epoch存储一次检查点
+    save_interval_epochs=5,
+    # 每多少次迭代记录一次日志
+    log_interval_steps=4,
+    save_dir=EXP_DIR,
+    # 指定预训练权重
+    pretrain_weights='COCO',
+    # 初始学习率大小
+    learning_rate=0.0001,
+    # 学习率预热（learning rate warm-up）步数与初始值
+    warmup_steps=0,
+    warmup_start_lr=0.0,
+    # 是否启用VisualDL日志功能
+    use_vdl=True)

tutorials/train/object_detection/readme.md

@@ -1,28 +0,0 @@
-The detection training demo:
-* dataset: AIR-SARShip-1.0 
-* target: ship
-* model: faster_rcnn
-
-
-Run the demo:
-
-1. Install PaddleRS
-```
-git clone https://github.com/PaddleCV-SIG/PaddleRS.git
-cd PaddleRS
-pip install -r requirements.txt
-python setup.py install
-```
-
-2. Run the demo
-```
-cd tutorials/train/detection/
-
-# run training on single GPU
-export CUDA_VISIBLE_DEVICES=0
-python faster_rcnn_sar_ship.py
-
-# run traing on multi gpu
-export CUDA_VISIBLE_DEVICES=0,1
-python -m paddle.distributed.launch faster_rcnn_sar_ship.py
-```

tutorials/train/object_detection/yolov3.py

@@ -0,0 +1,98 @@
+#!/usr/bin/env python
+
+# 目标检测模型YOLOv3训练示例脚本
+# 执行此脚本前，请确认已正确安装PaddleRS库
+
+import os
+
+import paddlers as pdrs
+from paddlers import transforms as T
+
+# 下载文件存放目录
+DOWNLOAD_DIR = './data/sarship/'
+# 数据集存放目录
+DATA_DIR = './data/sarship/sar_ship_1/'
+# 训练集`file_list`文件路径
+TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt'
+# 验证集`file_list`文件路径
+EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt'
+# 数据集类别信息文件路径
+LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt'
+# 实验目录，保存输出的模型权重和结果
+EXP_DIR = './output/yolov3/'
+
+# 下载和解压SAR影像舰船检测数据集
+# 若目录已存在则不重复下载
+sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz'
+if not os.path.exists(DATA_DIR):
+    pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR)
+
+# 定义训练和验证时使用的数据变换（数据增强、预处理等）
+# 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行
+# API说明：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md
+train_transforms = T.Compose([
+    # 对输入影像施加随机色彩扰动
+    T.RandomDistort(),
+    # 在影像边界进行随机padding
+    T.RandomExpand(),
+    # 随机裁剪，裁块大小在一定范围内变动
+    T.RandomCrop(),
+    # 随机水平翻转
+    T.RandomHorizontalFlip(),
+    # 对batch进行随机缩放，随机选择插值方式
+    T.BatchRandomResize(
+        target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608],
+        interp='RANDOM'),
+    # 影像归一化
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+eval_transforms = T.Compose([
+    # 使用双三次插值将输入影像缩放到固定大小
+    T.Resize(
+        target_size=608, interp='CUBIC'),
+    # 验证阶段与训练阶段的归一化方式必须相同
+    T.Normalize(
+        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# 分别构建训练和验证所用的数据集
+train_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=TRAIN_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=train_transforms,
+    shuffle=True)
+
+eval_dataset = pdrs.datasets.VOCDetection(
+    data_dir=DATA_DIR,
+    file_list=EVAL_FILE_LIST_PATH,
+    label_list=LABEL_LIST_PATH,
+    transforms=eval_transforms,
+    shuffle=False)
+
+# 构建YOLOv3模型，使用DarkNet53作为backbone
+# 目前已支持的模型请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md
+# 模型输入参数请参考：https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py
+model = pdrs.tasks.YOLOv3(
+    num_classes=len(train_dataset.labels), backbone='DarkNet53')
+
+# 执行模型训练
+model.train(
+    num_epochs=10,
+    train_dataset=train_dataset,
+    train_batch_size=4,
+    eval_dataset=eval_dataset,
+    # 每多少个epoch存储一次检查点
+    save_interval_epochs=5,
+    # 每多少次迭代记录一次日志
+    log_interval_steps=4,
+    save_dir=EXP_DIR,
+    # 初始学习率大小
+    learning_rate=0.0001,
+    # 学习率预热（learning rate warm-up）步数与初始值
+    warmup_steps=0,
+    warmup_start_lr=0.0,
+    # 是否启用VisualDL日志功能
+    use_vdl=True)