From 14a39862fd72d338091a115d4ada90ad61c654c9 Mon Sep 17 00:00:00 2001 From: anzhengqi Date: Sat, 17 Apr 2021 10:01:03 +0800 Subject: [PATCH] fix psenet readme file --- model_zoo/official/cv/psenet/README.md | 49 +++++++++++--------- model_zoo/official/cv/psenet/README_CN.md | 55 ++++++++++++----------- 2 files changed, 57 insertions(+), 47 deletions(-) diff --git a/model_zoo/official/cv/psenet/README.md b/model_zoo/official/cv/psenet/README.md index 1ecc546bbd..2534631935 100644 --- a/model_zoo/official/cv/psenet/README.md +++ b/model_zoo/official/cv/psenet/README.md @@ -90,31 +90,34 @@ sh scripts/run_eval_ascend.sh ```path └── 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 ├── run_distribute_train.sh // shell script for distributed └── run_eval_ascend.sh // shell script for evaluation - ├──src - ├── __init__.py + ├── src + ├── config.py // parameter configuration + ├── dataset.py // creating dataset ├── ETSNET - ├── __init__.py ├── base.py // convolution and BN operator ├── dice_loss.py // calculate PSENet loss value - ├── etsnet.py // Subnet in PSENet - ├── fpn.py // Subnet in PSENet - ├── resnet50.py // Subnet in PSENet - ├── pse // Subnet in PSENet + ├── etsnet.py // Subnet in PSENet + ├── fpn.py // Subnet in PSENet + ├── __init__.py + ├── pse // Subnet in PSENet ├── __init__.py ├── adaptor.cpp ├── adaptor.h ├── Makefile - ├──config.py // parameter configuration - ├──dataset.py // creating dataset - ├──network_define.py // learning ratio generation - ├──export.py // export mindir file - ├──mindspore_hub_conf.py // hub config file - ├──test.py // test script - ├──train.py // training script + ├── resnet50.py // Subnet in PSENet + ├── __init__.py + ├── lr_schedule.py // define learning rate + ├── network_define.py // learning ratio generation + ├── test.py // test script + ├── train.py // training script ``` @@ -164,7 +167,9 @@ python test.py --ckpt=./device*/ckpt*/ETSNet-*.ckpt #### Usage 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 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 @@ -181,12 +186,12 @@ Calculated!{"precision": 0.814796668299853, "recall": 0.8006740491092923, "hmean ### Evaluation Performance -| Parameters | PSENet | +| Parameters | Ascend | | -------------------------- | ----------------------------------------------------------- | -| Model Version | V1 | +| Model Version | PSENet | | Resource | Ascend 910; CPU 2.60GHz, 192cores; Memory 755G; OS Euler2.8 | | uploaded Date | 09/30/2020 (month/day/year) | -| MindSpore Version | 1.0.0 | +| MindSpore Version | 1.0.0 | | Dataset | ICDAR2015 | | Training Parameters | start_lr=0.1; lr_scale=0.1 | | Optimizer | SGD | @@ -194,19 +199,19 @@ Calculated!{"precision": 0.814796668299853, "recall": 0.8006740491092923, "hmean | outputs | probability | | Loss | 0.35 | | 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 | | Checkpoint for Fine tuning | 109.44M (.ckpt file) | | Scripts | | ### Inference Performance -| Parameters | PSENet | +| Parameters | Ascend | | ------------------- | --------------------------- | -| Model Version | V1 | +| Model Version | PSENet | | Resource | Ascend 910 | | Uploaded Date | 09/30/2020 (month/day/year) | -| MindSpore Version | 1.0,0 | +| MindSpore Version | 1.0.0 | | Dataset | ICDAR2015 | | outputs | probability | | Accuracy | 1pc: 81%; 8pcs: 81% | diff --git a/model_zoo/official/cv/psenet/README_CN.md b/model_zoo/official/cv/psenet/README_CN.md index 8c79a1a9f8..503279b30c 100644 --- a/model_zoo/official/cv/psenet/README_CN.md +++ b/model_zoo/official/cv/psenet/README_CN.md @@ -60,7 +60,7 @@ # 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 # 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 ```path -└── PSENet - ├── README.md // PSENet相关描述 - ├── scripts +└── PSENet + ├── export.py // mindir转换脚本 + ├── 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_eval_ascend.sh // 用于评估的shell脚本 - ├──src - ├── __init__.py - ├── generate_hccn_file.py // 创建rank.json文件 - ├── ETSNET - ├── __init__.py + ├── src + ├── config.py // 参数配置 + ├── dataset.py // 创建数据集 + ├── ETSNET ├── base.py // 卷积和BN算子 ├── dice_loss.py // 计算PSENet损耗值 ├── etsnet.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 - ├── __init__.py ├── adaptor.cpp ├── adaptor.h + ├── __init__.py ├── Makefile - ├──config.py // 参数配置 - ├──dataset.py // 创建数据集 - ├──network_define.py // PSENet架构 - ├──test.py // 测试脚本 - ├──train.py // 训练脚本 + ├── resnet50 // PSENet中的子网 + ├── __init__.py + ├── lr_schedule.py // 学习率 + ├── network_define.py // PSENet架构 + ├── 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 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 @@ -179,35 +184,35 @@ Calculated!{"precision": 0.8147966668299853，"recall"：0.8006740491092923，"h ### 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 | | 上传日期 | 2020-09-15 | -| MindSpore版本 | 1.0-alpha | +| MindSpore版本 | 1.0.0 | | 数据集 | ICDAR2015 | | 训练参数 | start_lr=0.1; lr_scale=0.1 | | 优化器 | SGD | | 损失函数 | LossCallBack | | 输出 | 概率 | | 损失 | 0.35 | -| 速度 | 1卡：444毫秒/步；4卡：446毫秒/步 -| 总时间 | 1卡：75.48小时；4卡：18.87小时| +| 速度 | 1卡：444毫秒/步；8卡：446毫秒/步 +| 总时间 | 1卡：75.48小时；8卡：7.11小时| | 参数(M) | 27.36 | | 微调检查点 | 109.44M （.ckpt file） | | 脚本 | | ### 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 | | 上传日期 | 2020/09/15 | -| MindSpore版本 | 1.0-alpha | +| MindSpore版本 | 1.0.0 | | 数据集| ICDAR2015 | | 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