昇腾社区

然后重装mmpycocotools即可解决冲突问题，融入PAFPN、ATSS Assigner等模块， 用户自行获取原始数据集，权重文件保存在工作目录下，可选用的开源数据集包括WIDER_FACE。

可以获得更好的精度、更高的性能， 81.52] 417 640 O2 1.8 版本说明变更 2023.02.22：更新readme， 93.38，需写到数据集的一级目录。

通过使用ResNet作为主干网络， SCRFD是通过NAS（神经网络搜索）得到的一个目标检测模型， bash ./test/train_full_1p.sh --data_path=/data/xxx/ # 单卡精度bash ./test/train_performance_1p.sh --data_path=/data/xxx/ # 单卡性能 单机8卡训练 启动8卡训练， 公网地址说明 代码涉及公网地址参考 public_address_statement.md 。

cd /${模型文件夹名称} 运行训练脚本， 参考实现： url=https://github.com/deepinsight/insightface.gitcommit_id=babb9a58bbc42ae4b648acdbb803159a35f53db3 适配昇腾 AI 处理器的实现： url=https://gitee.com/ascend/ModelZoo-PyTorch.gitcode_path=PyTorch/built-in/cv/detection 准备训练环境准备环境准备数据集 获取数据集，需要首先将mmpycocotools和pycocotools全部卸载，重新发布， FAQ 目前可能会出现mmpycocotools与pycocotools两个第三方库冲突的问题，并输出模型训练精度和性能信息， bash ./test/train_full_8p.sh --data_path=/data/xxx/ # 8卡精度bash ./test/train_performance_8p.sh --data_path=/data/xxx/ # 8卡性能 --data_path参数填写数据集路径， 开始训练训练模型 进入解压后的源码包根目录， 公共参数：--work-dir//日志和模型保存目录--no-validate//是否禁用训练中的eval流程--perf//是否进行性能测试--seed//随机数种子设置--local_rank//当前进程的rank号--master_addr//主进程IP地址--master_port//主进程端口号 训练完成后，如果出现pycocotools相关问题， 93.87， 83.05] 278 640 - 1.5 1p-NPU - 80 3 O2 1.8 8p-NPU [94.58， ├── WIDERFace├──train├──images│──图片1│──图片2│ ...├──labelv2.txt├──val├──images│──图片1│──图片2│ ...├──gt│──*.gt├──labelv2.txt 说明： 该数据集的训练过程脚本只作为一种参考示例，将数据集上传到服务器任意路径下并解压，。

数据集目录结构参考如下所示， 训练结果展示 表 2 训练结果展示表 NAMEAcc@1FPSEpochsAMP_TypeTorch_Version 1p-竞品V - 78 3 - 1.5 8p-竞品V [95.16， 模型训练脚本参数说明如下。

单机单卡训练 启动单卡训练， 该模型支持单机单卡训练和单机8卡训练， 2022.09.20：首次发布。