bmm-paddle-helper苞米面 Paddle 助手-技术圈

苞米面 Paddle 助手是一个百度飞桨 Paddle、PaddleX 项目模板和小工具。

适用系统

一些脚本使用 shell 编写，所以目前适用 Linux 和百度 AI Studio

如何安装

从 gitee 获取源码



git clone git@gitee.com:cnhemiya/bmm-paddle-helper.git

从 github 获取源码



git clone git@github.com:cnhemiya/bmm-paddle-helper.git

程序参数

项目生成器 mkbmmph.py



cd bmm-paddle-helper

python3 tools/mkbmmph.py -h

usage: mkbmmph.py [-h] [--project] [--to_dir]



苞米面 Paddle 项目生成器



optional arguments:

  -h, --help  show this help message and exit

  --project   项目类型，可选：paddlex_cls, paddlex_det, paddlex_seg

  --to_dir    生成的项目模板保存目录，默认 './run'

生成不同的模板



cd bmm-paddle-helper

# PaddleX 图像分类

python3 tools/mkbmmph.py --project paddlex_cls --to_dir ./run

# PaddleX 目标检测

python3 tools/mkbmmph.py --project paddlex_det --to_dir ./run

# PaddleX 图像分割

python3 tools/mkbmmph.py --project paddlex_seg --to_dir ./run

Linux 小技巧

可以使用软连接把 mkbmmph.py 连接到 $HOME/.local/bin 目录，方便使用。

使用示例

生成模板

生成 PaddleX 目标检测项目模板



cd bmm-paddle-helper

python3 tools/mkbmmph.py --project paddlex_det --to_dir ./run

模板目录结构



run

├── aismain.ipynb

├── check_data.sh

├── get_data.sh

├── infer.py

├── mod

│   ├── args.py

│   ├── config.py

│   ├── __init__.py

│   ├── pdxconfig.py

│   ├── report.py

│   └── utils.py

├── onekey.sh

├── onetasks.sh

├── paddlex_det_doc.md

├── prune.py

├── quant.py

└── train.py

文件说明

文件	说明
aismain.ipynb	Jupyter notebook 适用百度 AI Studio，放到项目根目录，或者根据目录修改
check_data.sh	检查数据
get_data.sh	获取数据
infer.py	预测程序
mod	python 模块
onekey.sh	一键获取数据脚本模板，需要按照自己需求，修改路径
onetasks.sh	一键训练，量化脚本模板，需要按照自己需求，修改参数
paddlex_det_doc.md	参数说明
prune.py	裁剪程序
quant.py	量化程序
train.py	训练程序

aismain.ipynb 目录结构示例



├── aismain.ipynb

├── data

└── work

    └── run

训练示例

train.py 加 -h 查看参数



python3 run/train.py \\

    --dataset ./dataset/road_fighter_car \\

    --epochs 32 \\

    --batch_size 1 \\

    --learning_rate 0.01 \\

    --model PicoDet \\

    --backbone ESNet_m \\

    --pretrain_weights ""

裁剪示例

prune.py 加 -h 查看参数



python3 run/prune.py \\

    --dataset ./dataset/road_fighter_car \\

    --epochs 16 \\

    --batch_size 1 \\

    --learning_rate 0.001 \\

    --model_dir ./output/best_model \\

    --save_dir ./output/prune \\

    --pruned_flops 0.2

在线量化示例

quant.py 加 -h 查看参数



python3 run/quant.py \\

    --dataset ./dataset/road_fighter_car \\

    --epochs 16 \\

    --batch_size 1 \\

    --learning_rate 0.001 \\

    --model_dir ./output/best_model \\

    --save_dir ./output/quant