p60975123
/
mindspore
forked from mindspore-Ecosystem/mindspore
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

!15305 update psenet readme file 

From: @anzhengqi
Reviewed-by: @heleiwang,@pandoublefeng
Signed-off-by: @pandoublefeng
This commit is contained in:
mindspore-ci-bot 2021-04-19 09:56:12 +08:00 committed by Gitee
parent 7feeaf2351 14a39862fd
commit af8b2d3a47
2 changed files with 57 additions and 47 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

49
model_zoo/official/cv/psenet/README.md
View File

@ -90,31 +90,34 @@ sh scripts/run_eval_ascend.sh
```path ```path
└── PSENet └── PSENet
├── README.md // descriptions about PSENet ├── export.py // export mindir file
├── __init__.py
├── mindspore_hub_conf.py // hub config file
├── README_CN.md // descriptions about PSENet in Chinese
├── README.md // descriptions about PSENet in English
├── scripts ├── scripts
├── run_distribute_train.sh // shell script for distributed ├── run_distribute_train.sh // shell script for distributed
└── run_eval_ascend.sh // shell script for evaluation └── run_eval_ascend.sh // shell script for evaluation
├──src ├── src
├── __init__.py ├── config.py // parameter configuration
├── dataset.py // creating dataset
├── ETSNET ├── ETSNET
├── __init__.py
├── base.py // convolution and BN operator ├── base.py // convolution and BN operator
├── dice_loss.py // calculate PSENet loss value ├── dice_loss.py // calculate PSENet loss value
├── etsnet.py // Subnet in PSENet ├── etsnet.py // Subnet in PSENet
├── fpn.py // Subnet in PSENet ├── fpn.py // Subnet in PSENet
├── resnet50.py // Subnet in PSENet ├── __init__.py
├── pse // Subnet in PSENet ├── pse // Subnet in PSENet
├── __init__.py ├── __init__.py
├── adaptor.cpp ├── adaptor.cpp
├── adaptor.h ├── adaptor.h
├── Makefile ├── Makefile
├──config.py // parameter configuration ├── resnet50.py // Subnet in PSENet
├──dataset.py // creating dataset ├── __init__.py
├──network_define.py // learning ratio generation ├── lr_schedule.py // define learning rate
├──export.py // export mindir file ├── network_define.py // learning ratio generation
├──mindspore_hub_conf.py // hub config file ├── test.py // test script
├──test.py // test script ├── train.py // training script
├──train.py // training script
``` ```
@ -164,7 +167,9 @@ python test.py --ckpt=./device*/ckpt*/ETSNet-*.ckpt
#### Usage #### Usage
step 1: download eval method from [here](https://rrc.cvc.uab.es/?ch=4&com=tasks#TextLocalization). step 1: download eval method from [here](https://rrc.cvc.uab.es/?ch=4&com=tasks#TextLocalization).
step 2: click "My Methods" button,then download Evaluation Scripts. step 2: click "My Methods" button,then download Evaluation Scripts.
step 3: it is recommended to symlink the eval method root to $MINDSPORE/model_zoo/psenet/eval_ic15/. if your folder structure is different,you may need to change the corresponding paths in eval script files. step 3: it is recommended to symlink the eval method root to $MINDSPORE/model_zoo/psenet/eval_ic15/. if your folder structure is different,you may need to change the corresponding paths in eval script files.
```shell ```shell
@ -181,12 +186,12 @@ Calculated!{"precision": 0.814796668299853, "recall": 0.8006740491092923, "hmean
### Evaluation Performance ### Evaluation Performance
| Parameters | PSENet | | Parameters | Ascend |
| -------------------------- | ----------------------------------------------------------- | | -------------------------- | ----------------------------------------------------------- |
| Model Version | V1 | | Model Version | PSENet |
| Resource | Ascend 910; CPU 2.60GHz, 192cores; Memory 755G; OS Euler2.8 | | Resource | Ascend 910; CPU 2.60GHz, 192cores; Memory 755G; OS Euler2.8 |
| uploaded Date | 09/30/2020 (month/day/year) | | uploaded Date | 09/30/2020 (month/day/year) |
| MindSpore Version | 1.0.0 | | MindSpore Version | 1.0.0 |
| Dataset | ICDAR2015 | | Dataset | ICDAR2015 |
| Training Parameters | start_lr=0.1; lr_scale=0.1 | | Training Parameters | start_lr=0.1; lr_scale=0.1 |
| Optimizer | SGD | | Optimizer | SGD |
@ -194,19 +199,19 @@ Calculated!{"precision": 0.814796668299853, "recall": 0.8006740491092923, "hmean
| outputs | probability | | outputs | probability |
| Loss | 0.35 | | Loss | 0.35 |
| Speed | 1pc: 444 ms/step; 8pcs: 446 ms/step | | Speed | 1pc: 444 ms/step; 8pcs: 446 ms/step |
| Total time | 1pc: 75.48 h; 8pcs: 10.01 h | | Total time | 1pc: 75.48 h; 8pcs: 7.11 h |
| Parameters (M) | 27.36 | | Parameters (M) | 27.36 |
| Checkpoint for Fine tuning | 109.44M (.ckpt file) | | Checkpoint for Fine tuning | 109.44M (.ckpt file) |
| Scripts | <https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/psenet> | | Scripts | <https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/psenet> |
### Inference Performance ### Inference Performance
| Parameters | PSENet | | Parameters | Ascend |
| ------------------- | --------------------------- | | ------------------- | --------------------------- |
| Model Version | V1 | | Model Version | PSENet |
| Resource | Ascend 910 | | Resource | Ascend 910 |
| Uploaded Date | 09/30/2020 (month/day/year) | | Uploaded Date | 09/30/2020 (month/day/year) |
| MindSpore Version | 1.0,0 | | MindSpore Version | 1.0.0 |
| Dataset | ICDAR2015 | | Dataset | ICDAR2015 |
| outputs | probability | | outputs | probability |
| Accuracy | 1pc: 81%; 8pcs: 81% | | Accuracy | 1pc: 81%; 8pcs: 81% |

55
model_zoo/official/cv/psenet/README_CN.md
View File

@ -60,7 +60,7 @@
# 快速入门 # 快速入门
通过官方网站安装MindSpore后，您可以按照如下步骤进行培训和评估： 通过官方网站安装MindSpore后，您可以按照如下步骤进行训练和评估：
```python ```python
# 分布式训练运行示例 # 分布式训练运行示例
@ -91,31 +91,34 @@ sh scripts/run_eval_ascend.sh
## 脚本和样例代码 ## 脚本和样例代码
```path ```path
└── PSENet └── PSENet
├── README.md // PSENet相关描述 ├── export.py // mindir转换脚本
├── scripts ├── mindspore_hub_conf.py // 网络模型
├── README.md // PSENet相关描述英文版
├── README_CN.md // PSENet相关描述中文版
├── scripts
├── run_distribute_train.sh // 用于分布式训练的shell脚本 ├── run_distribute_train.sh // 用于分布式训练的shell脚本
└── run_eval_ascend.sh // 用于评估的shell脚本 └── run_eval_ascend.sh // 用于评估的shell脚本
├──src ├── src
├── __init__.py ├── config.py // 参数配置
├── generate_hccn_file.py // 创建rank.json文件 ├── dataset.py // 创建数据集
├── ETSNET ├── ETSNET
├── __init__.py
├── base.py // 卷积和BN算子 ├── base.py // 卷积和BN算子
├── dice_loss.py // 计算PSENet损耗值 ├── dice_loss.py // 计算PSENet损耗值
├── etsnet.py // PSENet中的子网 ├── etsnet.py // PSENet中的子网
├── fpn.py // PSENet中的子网 ├── fpn.py // PSENet中的子网
├── resnet50.py // PSENet中的子网 ├── __init__.py
├── pse // PSENet中的子网 ├── pse // PSENet中的子网
├── __init__.py
├── adaptor.cpp ├── adaptor.cpp
├── adaptor.h ├── adaptor.h
├── __init__.py
├── Makefile ├── Makefile
├──config.py // 参数配置 ├── resnet50 // PSENet中的子网
├──dataset.py // 创建数据集 ├── __init__.py
├──network_define.py // PSENet架构 ├── lr_schedule.py // 学习率
├──test.py // 测试脚本 ├── network_define.py // PSENet架构
├──train.py // 训练脚本 ├── test.py // 测试脚本
├── train.py // 训练脚本
``` ```
@ -162,7 +165,9 @@ python test.py --ckpt=./device*/ckpt*/ETSNet-*.ckpt
#### 用法 #### 用法
第一步：单击[此处](https://rrc.cvc.uab.es/?ch=4&com=tasks#TextLocalization)下载评估方法。 第一步：单击[此处](https://rrc.cvc.uab.es/?ch=4&com=tasks#TextLocalization)下载评估方法。
第二步：单击"我的方法"按钮，下载评估脚本。 第二步：单击"我的方法"按钮，下载评估脚本。
第三步：建议将评估方法根符号链接到$MINDSPORE/model_zoo/psenet/eval_ic15/。如果您的文件夹结构不同，您可能需要更改评估脚本文件中的相应路径。 第三步：建议将评估方法根符号链接到$MINDSPORE/model_zoo/psenet/eval_ic15/。如果您的文件夹结构不同，您可能需要更改评估脚本文件中的相应路径。
```shell ```shell
@ -179,35 +184,35 @@ Calculated!{"precision": 0.8147966668299853，"recall"：0.8006740491092923，"h
### 评估性能 ### 评估性能
| 参数 | PSENet | | 参数 | Ascend |
| -------------------------- | ----------------------------------------------------------- | | -------------------------- | ----------------------------------------------------------- |
| 模型版本 | Inception V1 | | 模型版本 | PSENet |
| 资源 | Ascend 910； CPU 2.60GHz，192内核；内存 755G；系统 Euler2.8 | | 资源 | Ascend 910； CPU 2.60GHz，192内核；内存 755G；系统 Euler2.8 |
| 上传日期 | 2020-09-15 | | 上传日期 | 2020-09-15 |
| MindSpore版本 | 1.0-alpha | | MindSpore版本 | 1.0.0 |
| 数据集 | ICDAR2015 | | 数据集 | ICDAR2015 |
| 训练参数 | start_lr=0.1; lr_scale=0.1 | | 训练参数 | start_lr=0.1; lr_scale=0.1 |
| 优化器 | SGD | | 优化器 | SGD |
| 损失函数 | LossCallBack | | 损失函数 | LossCallBack |
| 输出 | 概率 | | 输出 | 概率 |
| 损失 | 0.35 | | 损失 | 0.35 |
| 速度 | 1卡：444毫秒/步；4卡：446毫秒/步 | 速度 | 1卡：444毫秒/步；8卡：446毫秒/步
| 总时间 | 1卡：75.48小时；4卡：18.87小时| | 总时间 | 1卡：75.48小时；8卡：7.11小时|
| 参数(M) | 27.36 | | 参数(M) | 27.36 |
| 微调检查点 | 109.44M （.ckpt file） | | 微调检查点 | 109.44M （.ckpt file） |
| 脚本 | <https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/psenet> | | 脚本 | <https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/psenet> |
### 推理性能 ### 推理性能
| 参数 | PSENet | | 参数 | Ascend |
| ------------------- | --------------------------- | | ------------------- | --------------------------- |
| 模型版本 | Inception V1 | | 模型版本 | PSENet |
| 资源 | Ascend 910；系统 Euler2.8 | | 资源 | Ascend 910；系统 Euler2.8 |
| 上传日期 | 2020/09/15 | | 上传日期 | 2020/09/15 |
| MindSpore版本 | 1.0-alpha | | MindSpore版本 | 1.0.0 |
| 数据集| ICDAR2015 | | 数据集| ICDAR2015 |
| 输出 | 概率 | | 输出 | 概率 |
| 准确性 | 1卡：81%; 4卡：81% | | 准确性 | 1卡：81%; 8卡：81% |
## 使用方法 ## 使用方法