人工智能平台 PAI：图像度量学习训练（raw）

前提条件

已开通OSS并完成授权，详情请参见开通OSS服务和云产品依赖与授权：Designer。

功能限制

支持的计算引擎为DLC。

算法简介

图像度量学习训练（raw）组件提供了resnet50、resnet18、resnet34、resnet101、swint_tiny、swint_small、swint_base、vit_tiny、vit_small、vit_base、xcit_tiny、xcit_small和xcit_base等主流模型。

可视化配置组件

• 输入桩

  输入桩（从左到右）	限制数据类型	建议上游组件	是否必选
  训练数据标注文件	OSS	读OSS数据	否
  评估数据标注文件	OSS	读OSS数据	否

• 组件参数

  页签	参数	是否必选	描述	默认值
  字段设置	度量学习模型类型	是	训练模型使用的算法类型，支持以下取值： 数据并行的度量学习 模型并行的度量学习	数据并行的度量学习
  	保存训练输出的oss目录	是	存储训练模型的OSS目录，比如：oss://examplebucket/yun****/designer_test。	无
  	训练数据标注结果文件路径	否	如果您没有通过输入桩配置训练数据标注文件，则需要配置该参数。 说明 如果您同时通过输入桩和该参数配置了训练数据标注文件，则优先使用输入桩配置的数据。 训练数据标注文件所在的OSS路径，比如：oss://examplebucket/yun****/data/imagenet/meta/train_labeled.txt。 其中train_labeled.txt文件每行的存储格式为：绝对路径/图片名称.jpg label_id。 重要 图片存放路径和label_id之间使用空格分隔。	无
  	验证数据标注结果文件路径	否	如果您没有通过输入桩配置评估数据标注文件，则需要配置该参数。 说明 如果您同时通过输入桩和该参数配置了验证数据标注文件，则优先使用输入桩配置的数据。 验证数据标注文件所在的OSS路径，比如：oss://examplebucket/yun****/data/imagenet/meta/val_labeled.txt。 其中val_labeled.txt文件每行的存储格式为：绝对路径/图片名称.jpg label_id。 重要 图片存放路径和label_id之间使用空格分隔。	无
  	类别名称列表文件	否	支持直接写入类别名称，或设置为存有类别名称的txt文件所在的OSS路径。	无
  	数据源格式	是	输入数据的格式类型，支持ClsSourceImageList和ClsSourceItag。	ClsSourceImageList
  	预训练模型oss路径	否	如果您有自己的预训练模型，则将该参数配置为预训练模型的OSS路径。如果没有配置该参数，则使用PAI提供的默认预训练模型。	无
  参数设置	度量学习模型使用的backbone	是	选择使用的主流模型，支持以下取值： resnet_50 resnet_18 resnet_34 resnet_101 swin_transformer_tiny swin_transformer_small swin_transformer_base	resnet50
  	图片resize大小	是	图片调整后的大小，单位为像素。	224
  	bachbone输出的特征维度	是	设置主流模型输出的特征维度，整数。	2048
  	特征输出的特征维度	是	设置Neck输出的特征维度，整数。	1536
  	训练数据分类标注的类别数目	是	度量学习设置的输出维度数目。	无
  	度量学习模型使用的损失函数	是	损失函数用来评估训练模型预测值与真实值不一致的程度。支持以下取值： AMSoftmax推荐参数margin 0.4 scale 30 ArcFaceLoss推荐参数margin 28.6 scale 64 CosFaceLoss推荐参数margin 0.35 scale 64 LargeMarginSoftmaxLoss推荐参数margin 4 scale 1 SphereFaceLoss推荐参数margin 4 scale 1 基于模型并行的AMSoftmax可随着GPU数目扩展分类上线 基于模型并行的Softmax可随着GPU数目扩展分类上限	AMSoftmax推荐参数margin 0.4 scale 30
  	度量学习损失函数参数scale	是	根据度量学习使用的损失函数设置。	30
  	度量学习损失函数参数margin	是	根据度量学习使用的损失函数设置。	0.4
  	度量学习损失函数权重	否	损失函数的权重值，用来权衡度量和分类的优化比例。	1.0
  	优化方法	是	训练模型使用的优化方法，支持以下取值： SGD AdamW	SGD
  	初始学习率	是	初始学习率大小，浮点类型。	0.03
  	训练batch_size	是	训练的批大小，即模型训练过程中，每次迭代（每一步）训练的样本数量。	无
  	总的训练迭代epoch轮数	是	所有样本训练完成一轮表示一个epoch。总的epoch轮数表示所有样本共训练多少轮。	200
  	保存checkpoint的频率	否	保存模型文件的频率。取值为1表示1个epoch训练完成后保存一次模型。	10
  执行调优	读取训练数据线程数	否	读取训练数据的进程数量。	4
  	开启半精度	否	选中该参数，表示使用半精度进行模型训练，用来降低内存占用。	无
  	单击或分布式（MaxCompute/DLC）	是	组件运行的引擎，您可以结合实际情况选择。系统支持以下计算引擎： 单机DLC 分布式DLC	单机DLC
  	worker个数	否	当运行引擎为分布式DLC时，需要配置该参数。 训练过程中，并发的进程（worker）数量。	1
  	gpu机型选择	是	选择运行的GPU规格。	8vCPU+60GB Mem+1xp100-ecs.gn5-c8g1.2xlarge

使用示例