PaddleRS/docs/apis/train.md

PaddleRS训练API说明

训练器封装了模型训练、验证、量化以及动态图推理等逻辑，定义在paddlers/tasks/目录下的文件中。为了方便用户使用，PaddleRS为所有支持的模型均提供了继承自父类BaseModel的训练器，并对外提供数个API。变化检测、场景分类、图像分割以及目标检测任务对应的训练器类型分别为BaseChangeDetector、BaseClassifier、BaseDetector和BaseSegmenter。本文档介绍训练器的初始化函数以及train()、evaluate() API。

初始化训练器

所有训练器均支持默认参数构造（即构造对象时不传入任何参数），在这种情况下，构造出的训练器对象适用于三通道RGB数据。

初始化BaseChangeDetector子类对象

一般支持设置num_classes、use_mixed_loss以及in_channels参数，分别表示模型输出类别数、是否使用预置的混合损失以及输入通道数。部分子类如DSIFN暂不支持对in_channels参数的设置。use_mixed_loss参将在未来被弃用，因此不建议使用。不同的子类支持与模型相关的输入参数，详情请参考模型定义和训练器定义。

初始化BaseClassifier子类对象

一般支持设置num_classes和use_mixed_loss参数，分别表示模型输出类别数以及是否使用预置的混合损失。use_mixed_loss参将在未来被弃用，因此不建议使用。不同的子类支持与模型相关的输入参数，详情请参考模型定义和训练器定义。

初始化Baseetector子类对象

一般支持设置num_classes和backbone参数，分别表示模型输出类别数以及所用的骨干网络类型。相比其它任务，目标检测任务的训练器支持设置的初始化参数较多，囊括网络结构、损失函数、后处理策略等方面。不同的子类支持与模型相关的输入参数，详情请参考模型定义和训练器定义。

初始化BaseSegmenter子类对象

一般支持设置input_channel、num_classes以及use_mixed_loss参数，分别表示输入通道数、输出类别数以及是否使用预置的混合损失。部分模型如FarSeg暂不支持对input_channel参数的设置。use_mixed_loss参将在未来被弃用，因此不建议使用。不同的子类支持与模型相关的输入参数，详情请参考模型定义和训练器定义。

train()

BaseChangeDetector.train()

方法定义如下：

def train(self,
            num_epochs,
            train_dataset,
            train_batch_size=2,
            eval_dataset=None,
            optimizer=None,
            save_interval_epochs=1,
            log_interval_steps=2,
            save_dir='output',
            pretrain_weights=None,
            learning_rate=0.01,
            lr_decay_power=0.9,
            early_stop=False,
            early_stop_patience=5,
            use_vdl=True,
            resume_checkpoint=None):

其中各参数的含义如下：

参数名称	类型	参数说明	默认值
num_epochs	int	训练的epoch数目。
train_dataset	paddlers.datasets.CDDataset	训练数据集。
train_batch_size	int	训练时使用的batch size。	2
eval_dataset	paddlers.datasets.CDDataset | None	验证数据集。	None
optimizer	paddle.optimizer.Optimizer | None	训练时使用的优化器。若为None，则使用默认定义的优化器。	None
save_interval_epochs	int	训练时存储模型的间隔epoch数。	1
log_interval_steps	int	训练时打印日志的间隔step数（即迭代数）。	2
save_dir	str	存储模型的路径。	'output'
pretrain_weights	str | None	预训练权重的名称/路径。若为None，则不适用预训练权重。	None
learning_rate	float	训练时使用的学习率大小，适用于默认优化器。	0.01
lr_decay_power	float	学习率衰减系数，适用于默认优化器。	0.9
early_stop	bool	训练过程是否启用早停策略。	False
early_stop_patience	int	启用早停策略时的patience参数（参见EarlyStop）。	5
use_vdl	bool	是否启用VisualDL日志。	True
resume_checkpoint	str | None	检查点路径。PaddleRS支持从检查点（包含先前训练过程中存储的模型权重和优化器权重）继续训练，但需注意resume_checkpoint与pretrain_weights不得同时设置为None以外的值。	None

BaseClassifier.train()

方法定义如下：

def train(self,
            num_epochs,
            train_dataset,
            train_batch_size=2,
            eval_dataset=None,
            optimizer=None,
            save_interval_epochs=1,
            log_interval_steps=2,
            save_dir='output',
            pretrain_weights='IMAGENET',
            learning_rate=0.1,
            lr_decay_power=0.9,
            early_stop=False,
            early_stop_patience=5,
            use_vdl=True,
            resume_checkpoint=None):

其中各参数的含义如下：

参数名称	类型	参数说明	默认值
num_epochs	int	训练的epoch数目。
train_dataset	paddlers.datasets.ClasDataset	训练数据集。
train_batch_size	int	训练时使用的batch size。	2
eval_dataset	paddlers.datasets.ClasDataset | None	验证数据集。	None
optimizer	paddle.optimizer.Optimizer | None	训练时使用的优化器。若为None，则使用默认定义的优化器。	None
save_interval_epochs	int	训练时存储模型的间隔epoch数。	1
log_interval_steps	int	训练时打印日志的间隔step数（即迭代数）。	2
save_dir	str	存储模型的路径。	'output'
pretrain_weights	str | None	预训练权重的名称/路径。若为None，则不适用预训练权重。	'IMAGENET'
learning_rate	float	训练时使用的学习率大小，适用于默认优化器。	0.1
lr_decay_power	float	学习率衰减系数，适用于默认优化器。	0.9
early_stop	bool	训练过程是否启用早停策略。	False
early_stop_patience	int	启用早停策略时的patience参数（参见EarlyStop）。	5
use_vdl	bool	是否启用VisualDL日志。	True
resume_checkpoint	str | None	检查点路径。PaddleRS支持从检查点（包含先前训练过程中存储的模型权重和优化器权重）继续训练，但需注意resume_checkpoint与pretrain_weights不得同时设置为None以外的值。	None

BaseDetector.train()

方法定义如下：

def train(self,
            num_epochs,
            train_dataset,
            train_batch_size=64,
            eval_dataset=None,
            optimizer=None,
            save_interval_epochs=1,
            log_interval_steps=10,
            save_dir='output',
            pretrain_weights='IMAGENET',
            learning_rate=.001,
            warmup_steps=0,
            warmup_start_lr=0.0,
            lr_decay_epochs=(216, 243),
            lr_decay_gamma=0.1,
            metric=None,
            use_ema=False,
            early_stop=False,
            early_stop_patience=5,
            use_vdl=True,
            resume_checkpoint=None):

其中各参数的含义如下：

参数名称	类型	参数说明	默认值
num_epochs	int	训练的epoch数目。
train_dataset	paddlers.datasets.COCODetDataset | paddlers.datasets.VOCDetDataset	训练数据集。
train_batch_size	int	训练时使用的batch size（多卡训练时，为所有设备合计batch size）。	64
eval_dataset	paddlers.datasets.COCODetDataset | paddlers.datasets.VOCDetDataset | None	验证数据集。	None
optimizer	paddle.optimizer.Optimizer | None	训练时使用的优化器。若为None，则使用默认定义的优化器。	None
save_interval_epochs	int	训练时存储模型的间隔epoch数。	1
log_interval_steps	int	训练时打印日志的间隔step数（即迭代数）。	10
save_dir	str	存储模型的路径。	'output'
pretrain_weights	str | None	预训练权重的名称/路径。若为None，则不适用预训练权重。	'IMAGENET'
learning_rate	float	训练时使用的学习率大小，适用于默认优化器。	0.001
warmup_steps	int	默认优化器使用warm-up策略的预热轮数。	0
warmup_start_lr	int	默认优化器warm-up阶段使用的初始学习率。	0
lr_decay_epochs	list | tuple	默认优化器学习率衰减的milestones，以epoch计。即，在第几个epoch执行学习率的衰减。	(216, 243)
lr_decay_gamma	float	学习率衰减系数，适用于默认优化器。	0.1
metric	str | None	评价指标，可以为'VOC'、COCO或None。若为Nnoe，则根据数据集格式自动确定使用的评价指标。	None
use_ema	bool	是否启用指数滑动平均策略更新模型权重参数。	False
early_stop	bool	训练过程是否启用早停策略。	False
early_stop_patience	int	启用早停策略时的patience参数（参见EarlyStop）。	5
use_vdl	bool	是否启用VisualDL日志。	True
resume_checkpoint	str | None	检查点路径。PaddleRS支持从检查点（包含先前训练过程中存储的模型权重和优化器权重）继续训练，但需注意resume_checkpoint与pretrain_weights不得同时设置为None以外的值。	None

BaseSegmenter.train()

def train(self,
            num_epochs,
            train_dataset,
            train_batch_size=2,
            eval_dataset=None,
            optimizer=None,
            save_interval_epochs=1,
            log_interval_steps=2,
            save_dir='output',
            pretrain_weights='CITYSCAPES',
            learning_rate=0.01,
            lr_decay_power=0.9,
            early_stop=False,
            early_stop_patience=5,
            use_vdl=True,
            resume_checkpoint=None):

其中各参数的含义如下：

参数名称	类型	参数说明	默认值
num_epochs	int	训练的epoch数目。
train_dataset	paddlers.datasets.SegDataset	训练数据集。
train_batch_size	int	训练时使用的batch size。	2
eval_dataset	paddlers.datasets.SegDataset | None	验证数据集。	None
optimizer	paddle.optimizer.Optimizer | None	训练时使用的优化器。若为None，则使用默认定义的优化器。	None
save_interval_epochs	int	训练时存储模型的间隔epoch数。	1
log_interval_steps	int	训练时打印日志的间隔step数（即迭代数）。	2
save_dir	str	存储模型的路径。	'output'
pretrain_weights	str | None	预训练权重的名称/路径。若为None，则不适用预训练权重。	'CITYSCAPES'
learning_rate	float	训练时使用的学习率大小，适用于默认优化器。	0.01
lr_decay_power	float	学习率衰减系数，适用于默认优化器。	0.9
early_stop	bool	训练过程是否启用早停策略。	False
early_stop_patience	int	启用早停策略时的patience参数（参见EarlyStop）。	5
use_vdl	bool	是否启用VisualDL日志。	True
resume_checkpoint	str | None	检查点路径。PaddleRS支持从检查点（包含先前训练过程中存储的模型权重和优化器权重）继续训练，但需注意resume_checkpoint与pretrain_weights不得同时设置为None以外的值。	None

evaluate()

BaseChangeDetector.evaluate()

BaseClassifier.evaluate()

BaseDetector.evaluate()

BaseSegmenter.evaluate()