Shortcuts

模型统计与分析

统计模型参数量与计算量

MMPose 提供了 tools/analysis_tools/get_flops.py 来统计模型的参数量与计算量。

python tools/analysis_tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}] [--cfg-options ${CFG_OPTIONS}]

参数说明:

CONFIG_FILE : 模型配置文件的路径。

--shape: 模型的输入张量形状。

--input-constructor: 如果指定为 batch,将会生成一个 batch tensor 来计算 FLOPs。

--batch-size:如果 --input-constructor 指定为 batch,将会生成一个随机 tensor,形状为 (batch_size, 3, **input_shape) 来计算 FLOPs。

--cfg-options: 如果指定,可选的 cfg 的键值对将会被合并到配置文件中。

示例:

python tools/analysis_tools/get_flops.py configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_hrnet-w32_8xb64-210e_coco-256x192.py

结果如下:

==============================
Input shape: (1, 3, 256, 192)
Flops: 7.7 GFLOPs
Params: 28.54 M
==============================

备注

目前该工具仍处于实验阶段,我们不能保证统计结果绝对正确,一些算子(比如 GN 或自定义算子)没有被统计到 FLOPs 中。

分析训练日志

MMPose 提供了 tools/analysis_tools/analyze_logs.py 来对训练日志进行简单的分析,包括:

  • 将日志绘制成损失和精度曲线图

  • 统计训练速度

绘制损失和精度曲线图

该功能依赖于 seaborn,请先运行 pip install seaborn 安装依赖包。

log_curve

python tools/analysis_tools/analyze_logs.py plot_curve ${JSON_LOGS} [--keys ${KEYS}] [--title ${TITLE}] [--legend ${LEGEND}] [--backend ${BACKEND}] [--style ${STYLE}] [--out ${OUT_FILE}]

示例:

  • 绘制损失曲线

    python tools/analysis_tools/analyze_logs.py plot_curve log.json --keys loss_kpt --legend loss_kpt
    
  • 绘制精度曲线并导出为 PDF 文件

    python tools/analysis_tools/analyze_logs.py plot_curve log.json --keys acc_pose --out results.pdf
    
  • 将多个日志文件绘制在同一张图上

    python tools/analysis_tools/analyze_logs.py plot_curve log1.json log2.json --keys loss_kpt --legend run1 run2 --title loss_kpt --out loss_kpt.png
    

统计训练速度

python tools/analysis_tools/analyze_logs.py cal_train_time ${JSON_LOGS} [--include-outliers]

示例:

python tools/analysis_tools/analyze_logs.py cal_train_time log.json

结果如下:

-----Analyze train time of hrnet_w32_256x192.json-----
slowest epoch 56, average time is 0.6924
fastest epoch 1, average time is 0.6502
time std over epochs is 0.0085
average iter time: 0.6688 s/iter