forked from YOUYUANZY/TrainEnv
-
Notifications
You must be signed in to change notification settings - Fork 0
/
config.yml
89 lines (81 loc) · 3.06 KB
/
config.yml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
#开始参数
start:
reloadData: true #重新加载数据集
startTrain: true #开始训练
evalLFW: false #开始LFW评估
predict: false #开启人脸预测
#人脸预测参数
predict:
type: facenet #模型类型
photoType: '*.png;*.jpg;*.jpeg;*.tif;*.bmp;*.pgm' #可用数据类型
inputSize: [224, 224, 3] #输入大小
cuda: true #gpu加速
resize: true #不失真resize
backbone: mobilenet #主干网络
weightPath: logs/ep070-loss0.048-val_loss0.103.pth #权重路径
#LFW评估参数
LFW:
cuda: true #gpu加速
backbone: mobilenet #主干网络
inputSize: [224,224,3] #输入尺寸
weightPath: logs/ep070-loss0.048-val_loss0.103.pth #权重路径
dirPath: dataset/lfw #数据位置
pairPath: lfwEvalInfo/lfw_pair.txt #数据对位置
batchSize: 256 #批次大小
logInterval: 1 #记录间隔
pngPath: lfwEvalInfo/roc_test.png #结果路径
#人脸识别数据集参数
dataset:
locate: dataset #数据集目录
name: #数据集文件夹名字
# - casia
# - pose
# - lfw
- orl
type: #数据集数据格式
# - bmp
# - tif
# - jpg
- pgm
minNum: 2 #每个人最少照片数量
maxNum: 40 #每个人最多照片数量
#人脸识别训练参数
train:
cuda: true #GPU加速
fp16: true #是否使用混合精度（可减少显存，需pytorch1.7.1以上）
dataPath: train_data.txt #数据及标签路径
inputSize: [224,224,3] #输入图像大小 facenet[224,224,3]、arcface[112,112,3]
model: facenet #识别模型 facenet、arcface
backbone: mobilenet #主干特征提取网络 mobilenet(facenet)、mobilefacenet(arcface)
attention: AFNB #注意力机制 CBAM、APNB、AFNB、GCNet、SE、scSE、Triplet
onlyAttention: false #只训练注意力机制部分
weightPath: '' #模型权重路径
preTrained: false #是否预训练
batchSize: 30 #批次大小（faceNet需为3的倍数）
startEpoch: 0 #开始轮次
endEpoch: 100 #结束轮次
maxLR: 0.01 #模型最大学习率
minLR: 0.0001 #模型最小学习率(常为maxLR*0.01)
#学习率限制（用于自适应调整，防止学习率设置不合理）
nbs: 64 #参照批次大小
maxLimitLR: 0.001 #参照最大学习率adam：0.001，sgd:0.1
minLimitLR: 0.0003 #参照最小学习率adam：0.0003，sgd:0.0005
LrDecayType: cos #学习率下降方式 step、cos
LRscheduler: #学习率下降参数
cos:
lrRate: 0.1 #起始学习率占maxLR的比率
lrLimit: 0.000001 #最小起始学习率
start: 0.1 #上升周期占总轮次比率
startLimit: 5 #上升轮次上限
end: 0.3 #保持最低学习率周期占总轮次比率
endLimit: 15 #保持最低学习率轮次上限
step:
stepNum: 10 #步降学习率次数
optimizer: 'adam' #优化器种类 adam、sgd 建议maxLR:1e-3、le-2
momentum: 0.9 #优化器内momentum参数
weightDecay: 0 #权值衰减（防止过拟合）adam:0、sgd:5e-4
savePeriod: 10 #保存训练权重间隔
saveDir: logs #权值及日志保存的文件夹位置
numWorkers: 2 #多线程读取数据
valRate: 0.1 #验证集比例
lfwEval: false #是否使用LFW评估