paddlers/tutorials/train

使用教程——训练模型

本目录下整理了使用PaddleRS训练模型的示例代码，代码中均提供了示例数据的自动下载，并均使用单张GPU卡进行训练。

代码	模型任务	数据
object_detection/ppyolo.py	目标检测PPYOLO	昆虫检测
semantic_segmentation/deeplabv3p_resnet50_multi_channel.py	语义分割DeepLabV3	地块分类
semantic_segmentation/farseg_test.py	语义分割FarSeg	遥感建筑分割
change_detection/cdnet_build.py	变化检测CDNet	遥感变化检测
classification/resnet50_vd_rs.py	图像分类ResNet50_vd	遥感场景分类

环境准备

• PaddlePaddle安装

• 版本要求：PaddlePaddle>=2.1.0

• PaddleRS安装

开始训练

• 在安装PaddleRS后，使用如下命令开始训练，代码会自动下载训练数据, 并均使用单张GPU卡进行训练。

  export CUDA_VISIBLE_DEVICES=0
  python tutorials/train/semantic_segmentation/deeplabv3p_resnet50_multi_channel.py
  

• 若需使用多张GPU卡进行训练，例如使用2张卡时执行：

  python -m paddle.distributed.launch --gpus 0,1 tutorials/train/semantic_segmentation/deeplabv3p_resnet50_multi_channel.py
  

使用多卡时，参考训练参数调整调整学习率和批量大小。

VisualDL可视化训练指标

在模型训练过程，在train函数中，将use_vdl设为True，则训练过程会自动将训练日志以VisualDL的格式打点在save_dir（用户自己指定的路径）下的vdl_log目录，用户可以使用如下命令启动VisualDL服务，查看可视化指标

visualdl --logdir output/deeplabv3p_resnet50_multi_channel/vdl_log --port 8001

服务启动后，使用浏览器打开 https://0.0.0.0:8001 或 https://localhost:8001