quantization_example - RandomSampler is used when epoch_size!=0. epoch_size=0.1 means...
[jacinto-ai/pytorch-jacinto-ai-devkit.git] / run_quantization.sh
1 # Quantization
3 ## =====================================================================================
4 ## Quantization Aware Training
5 ## =====================================================================================
6 #
7 #### Image Classification - Quantization Aware Training - MobileNetV2
8 #python ./scripts/train_classification_main.py --dataset_name image_folder_classification --model_name mobilenetv2_tv_x1 --data_path ./data/datasets/image_folder_classification \
9 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth \
10 #--batch_size 64 --quantize True --epochs 25 --epoch_size 0.1 --lr 1e-5 --evaluate_start False
11 #
12 #
13 #### Image Classification - Quantization Aware Training - MobileNetV2(Shicai) - a TOUGH MobileNetV2 pretrained model
14 #python ./scripts/train_classification_main.py --dataset_name image_folder_classification --model_name mobilenetv2_shicai_x1 --data_path ./data/datasets/image_folder_classification \
15 #--pretrained ./data/modelzoo/experimental/pytorch/others/shicai/MobileNet-Caffe/mobilenetv2_shicai_rgb.pth \
16 #--batch_size 64 --quantize True --epochs 25 --epoch_size 0.1 --lr 1e-5 --evaluate_start False
17 #
18 #
19 #### Semantic Segmentation - Quantization Aware Training for MobileNetV2+DeeplabV3Lite
20 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
21 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/deeplabv3lite_mobilenetv2_tv_768x384_best.pth \
22 #--batch_size 6 --quantize True --epochs 150 --lr 1e-5 --evaluate_start False
23 #
24 #
25 #### Semantic Segmentation - Quantization Aware Training for MobileNetV2+UNetLite
26 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name unetlite_pixel2pixel_aspp_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
27 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/unet_aspp_mobilenetv2_tv_768x384_best.pth \
28 #--batch_size 6 --quantize True --epochs 150 --lr 1e-5 --evaluate_start False
30 ## =====================================================================================
31 ## Acuracy Evaluation with Post Training Quantization - cannot save quantized model - only accuracy evaluation
32 ## =====================================================================================
34 #### Image Classification - Accuracy Estimation with Post Training Quantization - MobileNetV2
35 #python ./scripts/train_classification_main.py --phase validation --dataset_name image_folder_classification --model_name mobilenetv2_tv_x1 --data_path ./data/datasets/image_folder_classification \
36 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth \
37 #--batch_size 64 --quantize True
39 #### Image Classification - Accuracy Estimation with Post Training Quantization - ResNet50
40 #python ./scripts/train_classification_main.py --phase validation --dataset_name image_folder_classification --model_name resnet50_x1 --data_path ./data/datasets/image_folder_classification \
41 #--pretrained https://download.pytorch.org/models/resnet50-19c8e357.pth \
42 #--batch_size 64 --quantize True
44 #### Image Classification - Accuracy Estimation with Post Training Quantization - A TOUGH MobileNetV2 pretrained model
45 #python ./scripts/train_classification_main.py --phase validation --dataset_name image_folder_classification --model_name mobilenetv2_shicai_x1 --data_path ./data/datasets/image_folder_classification \
46 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/deeplabv3lite_mobilenetv2_tv_768x384_best.pth \
47 #--batch_size 64 --quantize True
49 #### Semantic Segmentation - Accuracy Estimation with Post Training Quantization - MobileNetV2+DeeplabV3Lite
50 #python ./scripts/train_segmentation_main.py --phase validation --dataset_name cityscapes_segmentation --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
51 #--pretrained './data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/deeplabv3lite_mobilenetv2_tv_768x384_best.pth' \
52 #--batch_size 1 --quantize True
54 #### Semantic Segmentation - Accuracy Estimation with Post Training Quantization - MobileNetV2+UNetLite
55 #python ./scripts/train_segmentation_main.py --phase validation --dataset_name cityscapes_segmentation --model_name unetlite_pixel2pixel_aspp_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
56 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/unet_aspp_mobilenetv2_tv_768x384_best.pth \
57 #--batch_size 1 --quantize True
60 ## =====================================================================================
61 ## Post Training Calibration & Quantization - this is fast, but may not always yield best quantized accuracy (not recommended)
62 ## =====================================================================================
63 #
64 #### Image Classification - Post Training Calibration & Quantization - ResNet50
65 #python ./scripts/train_classification_main.py --phase calibration --dataset_name image_folder_classification --model_name resnet50_x1 --data_path ./data/datasets/image_folder_classification \
66 #--pretrained https://download.pytorch.org/models/resnet50-19c8e357.pth \
67 #--batch_size 64 --quantize True --epochs 1 --epoch_size 0.1 --evaluate_start False
68 #
69 #
70 #### Image Classification - Post Training Calibration & Quantization - MobileNetV2
71 #python ./scripts/train_classification_main.py --phase calibration --dataset_name image_folder_classification --model_name mobilenetv2_tv_x1 --data_path ./data/datasets/image_folder_classification \
72 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth \
73 #--batch_size 64 --quantize True --epochs 1 --epoch_size 0.1 --evaluate_start False
74 #
75 #
76 #### Image Classification - Post Training Calibration & Quantization for a TOUGH MobileNetV2 pretrained model
77 #python ./scripts/train_classification_main.py --phase calibration --dataset_name image_folder_classification --model_name mobilenetv2_shicai_x1 --data_path ./data/datasets/image_folder_classification \
78 #--pretrained ./data/modelzoo/pytorch/image_classification/imagenet1k/shicai/mobilenetv2_shicai_rgb.pth \
79 #--batch_size 64 --quantize True --epochs 1 --epoch_size 0.1 --evaluate_start False
80 #
81 #
82 ### Semantic Segmentation - Post Training Calibration &  Quantization for MobileNetV2+DeeplabV3Lite
83 #python ./scripts/train_segmentation_main.py --phase calibration --dataset_name cityscapes_segmentation --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
84 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/deeplabv3lite_mobilenetv2_tv_768x384_best.pth \
85 #--batch_size 6 --quantize True --epochs 1 --evaluate_start False
86 #
87 #
88 ### Semantic Segmentation - Post Training Calibration &  Quantization for MobileNetV2+UNetLite
89 #python ./scripts/train_segmentation_main.py --phase calibration --dataset_name cityscapes_segmentation --model_name unetlite_pixel2pixel_aspp_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
90 #--pretrained ./data/modelzoo/pytorch/semantic_seg/cityscapes/jacinto_ai/unet_aspp_mobilenetv2_tv_768x384_best.pth \
91 #--batch_size 6 --quantize True --epochs 1 --evaluate_start False