From 5f8e0b0f1c5048ebc4592a88ddd7b214dee980e5 Mon Sep 17 00:00:00 2001 From: liuzx Date: Wed, 10 Jan 2024 16:07:13 +0800 Subject: [PATCH] update --- README.md | 2 +- gcu_mnist_example/README.md | 13 ++++++------- gpgpu_mnist_example/README.md | 2 +- gpu_mnist_example/README.md | 6 ------ 4 files changed, 8 insertions(+), 15 deletions(-) diff --git a/README.md b/README.md index 5d0e4c8..ddf34a5 100644 --- a/README.md +++ b/README.md @@ -5,7 +5,7 @@ 安装c2net-beta包 ``` -pip install -U c2net-beta +pip install -U c2net ``` 使用c2net的SDK方式 diff --git a/gcu_mnist_example/README.md b/gcu_mnist_example/README.md index ca723b4..531d0a4 100644 --- a/gcu_mnist_example/README.md +++ b/gcu_mnist_example/README.md @@ -1,8 +1,8 @@ # 如何在启智平台上进行模型训练 - GCU版本 -- 启智集群单数据集的训练，启智集群多数据集的训练，智算集群的单数据集训练，这3个的训练使用方式不同，请注意区分。数据加载方式、模型定义逻辑大致同[手写数字识别GPU版本_PytorchExample](https://openi.pcl.ac.cn/OpenIOSSG/MNIST_PytorchExample_GPU)项目： +- 启智集群单数据集的训练，启智集群多数据集的训练，智算集群的单数据集训练，这3个的训练使用方式不同，请注意区分。数据加载方式、模型定义逻辑大致同[手写数字识别GPU版本_PytorchExample](../gpu_mnist_example)项目： - - 智算集群单数据集的训练示例请参考示例中[train_for_c2net.py](https://openi.pcl.ac.cn/OpenIOSSG/MNIST_PytorchExample_GCU/src/branch/master/train_for_c2net.py)的代码注释 + - 智算集群的训练示例请参考示例中[train.py](./train.py)的代码注释 - 智算集群中单/多数据集使用方式： 如本示例中数据集MNISTDataset_torch.zip的使用方式是:数据集位于/tmp/dataset/下 @@ -33,11 +33,10 @@ #### 示例代码 -- 示例代码可从本仓库中下载，[代码下载](https://openi.pcl.ac.cn/OpenIOSSG/MNIST_PytorchExample_GCU) - 代码文件说明 - - [train_for_c2net.py](https://openi.pcl.ac.cn/OpenIOSSG/MNIST_PytorchExample_GCU/src/branch/master/train_for_c2net.py)，用于智算网络训练的脚本文件。 - - [model.py](https://openi.pcl.ac.cn/OpenIOSSG/MNIST_PytorchExample_GCU/src/branch/master/model.py)，使用的训练网络，在单/多数据集训练，智算网络训练中使用到。 + - [train.py](./train.py)，用于智算网络训练的脚本文件。 + - [model.py](./model.py)，使用的训练网络，在单/多数据集训练，智算网络训练中使用到。 #### 【重点】GCU-Pytorch代码适配 @@ -107,13 +106,13 @@ 准备好数据和执行脚本以后，需要创建训练任务将GCU-Pytorch脚本运行。首次使用的用户可参考本示例代码。 -启动脚本选择train_for_c2net.py +启动脚本选择train.py ## 4 查看运行结果 ### 4.1 在训练作业界面可以查看运行日志 -目前训练任务的日志在代码中print输出，参考示例train_for_c2net.py代码相关print +目前训练任务的日志在代码中print输出，参考示例train.py代码相关print ### 4.2 训练结束后可以下载模型文件 diff --git a/gpgpu_mnist_example/README.md b/gpgpu_mnist_example/README.md index 8369e3e..ef344c6 100644 --- a/gpgpu_mnist_example/README.md +++ b/gpgpu_mnist_example/README.md @@ -11,7 +11,7 @@ 安装c2net包 ``` -pip install -U c2net-beta +pip install c2net ``` 使用c2net包 diff --git a/gpu_mnist_example/README.md b/gpu_mnist_example/README.md index a98ddf6..4b6e589 100644 --- a/gpu_mnist_example/README.md +++ b/gpu_mnist_example/README.md @@ -9,12 +9,6 @@ ## 2. 在云脑上获取数据集，预训练模型，输出路径 -安装c2net包 - -``` -pip install -U c2net-beta -``` - 使用c2net包 ```