quantization_example - RandomSampler is used when epoch_size!=0. epoch_size=0.1 means...
[jacinto-ai/pytorch-jacinto-ai-devkit.git] / run_segmentation.sh
1 # Summary of commands - uncomment one and run this script
2 #### Manual Download: It is expected that the dataset is manually downloaded and kept in the folder specified agaianst the --data_path option.
4 ## =====================================================================================
5 # Models Supported:
6 ## =====================================================================================
7 # deeplabv3lite_mobilenetv2_tv: deeplabv3lite decoder
8 # fpnlite_pixel2pixel_aspp_mobilenetv2_tv: fpn decoder
9 # unetlite_pixel2pixel_aspp_mobilenetv2_tv: unet decoder
10 # deeplabv3lite_mobilenetv2_tv_fd: low complexity model with fast downsampling strategy
11 # fpnlite_pixel2pixel_aspp_mobilenetv2_tv_fd: low complexity model with fast downsampling strategy
12 # unetlite_pixel2pixel_aspp_mobilenetv2_tv_fd: low complexity model with fast downsampling strategy
13 #
14 # deeplabv3lite_resnet50: uses resnet50 encoder
15 # deeplabv3lite_resnet50_p5: low complexity model - uses resnet50 encoder with half the number of channels (1/4 the complexity). note this need specially trained resnet50 pretrained weights
16 # fpnlite_pixel2pixel_aspp_resnet50_fd: low complexity model - with fast downsampling strategy
19 ## =====================================================================================
20 ## Training
21 ## =====================================================================================
22 #### Cityscapes Semantic Segmentation - Training with MobileNetV2+DeeplabV3Lite
23 #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 \
24 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth
26 #### Cityscapes Semantic Segmentation - Training with MobileNetV2+DeeplabV3Lite, Higher Resolution
27 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 768 1536 --rand_crop 512 1024 --output_size 1024 2048 --gpus 0 1 \
28 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth
30 #### Cityscapes Semantic Segmentation - original fpn - no aspp model, stride 64 model, Higher Resolution - Low Complexity Model
31 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_mobilenetv2_tv_fd --data_path ./data/datasets/cityscapes/data --img_resize 768 1536 --rand_crop 512 1024 --output_size 1024 2048 --gpus 0 1 \
32 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth
36 ##--ResNet50 + deeplabv3lite
37 #### Cityscapes Semantic Segmentation - Training with ResNet50+DeeplabV3Lite
38 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_resnet50 --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
39 #--pretrained https://download.pytorch.org/models/resnet50-19c8e357.pth
41 #### Cityscapes Semantic Segmentation - Training with FD-ResNet50+FPN - High Resolution - Low Complexity Model
42 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_resnet50_fd --data_path ./data/datasets/cityscapes/data --img_resize 768 1536 --rand_crop 512 1024 --output_size 1024 2048 --gpus 0 1 \
43 #--pretrained https://download.pytorch.org/models/resnet50-19c8e357.pth
45 #--ResNet50 encoder with half the channels + deeplabv3lite
46 #### Cityscapes Semantic Segmentation - Training with ResNet50_p5+DeeplabV3Lite (ResNet50 encoder with half the channels): deeplabv3lite_resnet50_p5 & deeplabv3lite_resnet50_p5_fd
47 #python ./scripts/train_segmentation_main.py --dataset_name cityscapes_segmentation --model_name deeplabv3lite_resnet50_p5 --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
48 #--pretrained "./data/modelzoo/pretrained/pytorch/imagenet_classification/jacinto_ai/resnet50-0.5_2018-07-23_12-10-23.pth"
51 #-- VOC Segmentation
52 #### VOC Segmentation - Training with MobileNetV2+DeeplabV3Lite
53 #python ./scripts/train_segmentation_main.py --dataset_name voc_segmentation --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/voc --img_resize 512 512 --output_size 512 512 --gpus 0 1 \
54 #--pretrained https://download.pytorch.org/models/mobilenet_v2-b0353104.pth
57 ## =====================================================================================
58 ## Validation
59 ## =====================================================================================
60 #### Validation - Cityscapes Semantic Segmentation - Validation with MobileNetV2+DeeplabV3Lite - populate the pretrained filename in ??
61 #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 \
62 #--pretrained ??
64 #### Inference - Cityscapes Semantic Segmentation - Inference with MobileNetV2+DeeplabV3Lite - populate the pretrained filename in ??
65 #python ./scripts/infer_segmentation_main.py --dataset_name cityscapes_segmentation_measure --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/cityscapes/data --img_resize 384 768 --output_size 1024 2048 --gpus 0 1 \
66 #--pretrained ???
68 #### Validation - VOC Segmentation - Validation with MobileNetV2+DeeplabV3Lite - populate the pretrained filename in ??
69 #python ./scripts/train_segmentation_main.py --phase validation --dataset_name voc_segmentation_measure --model_name deeplabv3lite_mobilenetv2_tv --data_path ./data/datasets/voc --img_resize 512 512 --output_size 512 512 --gpus 0 1
70 #--phase validation --pretrained ???