PaddleClas是百度为工业界和学术界所准备的一个图像分类工具集，使用此工具便可以简单实现高精度分类任务。

本文使用AIStudio计算平台建立一个实践项目，来演示PaddleClas的使用。项目使用的数据集为公开数据集Oxford 102 Flowers Dataset。

一、AI Studio平台建立项目

首先登录百度AI Studio，创建项目，网址为：https://aistudio.baidu.com/aistudio/projectoverview/public

点击【创建项目】。

选择Notebook类型项目。

?目前的百度AI开发框架的版本已经全面迁移到2.x，项目框架选择2.x即可。

?填写项目描述，项目标签中，选择建立项目的特征即可。此处选择【添加数据集】，从百度AI平台上搜索是否有flowers102数据集（见下图示）。

如果有，可以省去从国外网站下载数据包的时间。如果没有，可以从flowers102官网下载，然后在AI Studio平台创建自己的数据集，再在本步骤添加数据集到项目中。

如果数据文件小于150M，可不通过数据集方式添加到项目，可以在建立项目并启动后，上传到项目目录中。

本项目使用的数据网址：

https://www.robots.ox.ac.uk/~vgg/data/flowers/102/102flowers.tgz

https://www.robots.ox.ac.uk/~vgg/data/flowers/102/imagelabels.mat

https://www.robots.ox.ac.uk/~vgg/data/flowers/102/setid.mat

点击【添加】，将数据集添加到建立的Notebook项目中。

选择上一步的【创建】按钮，弹出如下界面：

?点击【查看】，即可打开创建的项目。

?点击【启动环境】，即可进入建立的项目镜像。

?启动环境时，有两个选项，因为要进行大数据训练，选择【高级版】（目前百度每天免费提供10小时算力）。

?当你看到上面界面的时候，表示已经建立成功，可以进行第二步安装PaddleClas包了。

*AI Studio使用说明

https://ai.baidu.com/ai-doc/AISTUDIO/

*目录说明：

work目录（完整路径为/home/aistudio/work），一般放代码及工作过程文件 ；

data目录中（完整路径为/home/aistudio/data），放挂载的数据集。

本次实验只使用搜索到数据集中的3个文件。

?

*注意事项：

每个项目，相当于一个docker镜像环境，环境中操作系统为linux，paddle的基本运行环境预先已经安装好；

启动项目后，默认是在/home/aistudio下，就是linux的用户目录 ~;

/home/aistudio/data 目录中的修改，下次再启动项目时自动恢复

/home/aistudio/work 目录中的修改，会持续保存，注意使用空间不断增大，启动时会很慢

*如果要保持自己安装的第三方库，可以采用下面方式

!mkdir /home/aistudio/mylib

!pip install beautifulsoup4 -t /home/aistudio/mylib

每次重新启动Notebook kernel时，只要运行如下代码，即可将安装的库添加到搜索路径

import sys

sys.path.append('/home/aistudio/mylib')

二、安装PaddleClas包

本实验建立时选择了项目框架PaddlePaddle 2.x，此时启动的项目环境中已经预先安装有PaddlePaddle基础环境。

如果是在自己计算机的linux操作系统下使用，需要先安装PaddlePaddle(默认推荐使用GPU版本，快速训练)： pip install paddlepaddle-gpu

回到启动的AI Studio项目，选择【终端-1】（相当于linux中的终端窗口，可以执行任何命令），下面的操作都是在终端中进行。

?执行pwd，检测当前是否在/home/aistudio下。执行ls命令，此位置下有data、work目录及一个.ipynb（notebook文件，可以在此文件编写python代码），具体目录用途参考上文说明。

本项目将PaddleClas安装到work目录下：

cd work

git clone https://gitee.com/paddlepaddle/PaddleClas/ 从码云下载PaddleClas

cd PaddleClas

pip install -r requirements.txt

*PaddleClas主要目录说明：

configs/ 配置文件存放位置，每种模型的配置文件放一个子目录
dataset/ 数据集存放位置，推荐每个数据集一个子目录
deploy/ 部署相关的程序
ppcls/ PaddleClas的主体库代码
tools/ 模型下载、训练、评估、预测的工具脚本存放位置

三、PaddleClas快速训练

1.准备数据

假定当前在PaddleClas目录中。

本项目使用的数据集在data/data64337目录下面，只需要其中的3个文件（见第一部分中的图示），拷贝3个文件到 dataset/flowers102下，解压102flowers.tgz。

cd dataset/flowers102

cp ~/data/data64337/*.* .

tar -xf 102flowers.tgz

制作标签文件

python generate_flowers102_list.py jpg train > train.txt
python generate_flowers102_list.py jpg valid > val.txt
python generate_flowers102_list.py jpg test > test.txt
cat train.txt test.txt > train_test.txt

cd ~/work/PaddleClas/ 返回PaddleClas目录

2.下载预训练模型参数

继续之前，先把PaddleClas目录添加到python运行搜索路径中：

export PYTHONPATH=./:$PYTHONPATH

预训练模型保存了在其他数据集上训练好的模型参数，可以作为后续训练的起点，实现迁移学习。实验中下载3个预训练模型：

ResNet50、ResNet带蒸馏、MobileNetv3。下载到pretrained目录，并解压。

python tools/download.py -a ResNet50_vd -p ./pretrained -d True
python tools/download.py -a ResNet50_vd_ssld -p ./pretrained -d True
python tools/download.py -a MobileNetV3_large_x1_0 -p ./pretrained -d True

3.模型训练

*AI Studio的免费GPU环境提供的是单卡，在训练前需要先指明单卡：

export CUDA_VISIBLE_DEVICES=0

*配置文件列表

本实验使用的配置文件在configs/quick_start/中，选用其中部分进行演示：

ResNet50_vd.yaml ResNet50模型，不加载预训练参数

ResNet50_vd_finetune.yaml ResNet50模型，加载预训练参数（就是上一步下载的ResNet50_vd参数）

ResNet50_vd_ssld_finetune.yaml ResNet50模型，加载预训练参数+单模型蒸馏特性（就是上一步下载的ResNet50_vd_ssld参数）

MobileNetV3_large_x1_0_finetune.yaml MobileNetV3模型，加载预训练参数（就是上一步下载的MobileNetV3_large_x1_0参数）

ResNet50_vd_ssld_random_erasing_finetune.yaml ResNet50模型，加载预训练参数+单模型蒸馏特性+随机擦除数据增强（就是上一步下载的ResNet50_vd_ssld参数）

R50_vd_distill_MV3_large_x1_0.yaml ResNet50模型+MobileNetV3模型，双模型蒸馏

*修改配置文件

例如下图打开【a.不加载预训练模型的训练】用到的ResNet50_vd.yaml 配置文件，根据【1、准备数据】中的标签文件名，修改配置。

！！！别忘记保存修改

?a、ResNet50模型不加载预训练参数的训练

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/ResNet50_vd.yaml

在终端-1中执行上面的训练语句，训练结束，best精度为：top1 acc 0.27255

b、ResNet50模型加载预训练参数

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/ResNet50_vd_finetune.yaml

训练结果，best精度： top1 acc 0.94118

?c、ResNet50模型加载通过知识蒸馏获得的参数

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/ResNet50_vd_ssld_finetune.yaml

配置文件中，推荐使用相对较小的网络中间层学习率。

ARCHITECTURE:
name: 'ResNet50_vd'
params:
lr_mult_list: [0.1, 0.1, 0.2, 0.2, 0.3]
pretrained_model: "./pretrained/ResNet50_vd_ssld_pretrained"

训练结果，best精度为：top1 acc 0.93235 （精度反而不如b中。因为训练使用的是20轮，可以考虑调整其他参数，继续训练。官方给出的信息为加蒸馏特性后，应该好于b）

?d、MobileNetV3加载预训练模型

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/MobileNetV3_large_x1_0_finetune.yaml

训练结果，best精度为：top1 acc 0.89902

?e、ResNet50模型加载参数并使用RandomErasing数据增广

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/ResNet50_vd_ssld_random_erasing_finetune.yaml

训练结果，best精度为：top1 acc 0.92451 （精度反而不如b、c训练。因为训练使用的是20轮，可以考虑调整其他参数，继续训练。官方给出的信息为好于b、c）

?f、实验知识蒸馏

使用e训练中，在flowers102数据集上训练的结果为教师模型，使用MobileNetV3_large_x1_0预训练模型（是在ImageNet1k数据集上训练）为学生模型。

cp -r output/ResNet50_vd/19/ ./pretrained/flowers102_R50_vd_final/ 拷贝e训练的最后结果到预训练模型目录下备用（作为教师模型）

修改配置文件 configs/quick_start/R50_vd_distill_MV3_large_x1_0.yaml

python -m paddle.distributed.launch \
--selected_gpus="0" \
tools/train.py \
-c ./configs/quick_start/R50_vd_distill_MV3_large_x1_0.yaml

训练结果，best精度为：top1 acc 0.93627

下图为PaddleClas官方给出的结果精度，与实验结果略有差距。也许因为配置参数有其他修改或运行环境有差异。有兴趣的读者可以尝试验证。

本文介绍了快速上手PaddleClas图像分类库的过程，不必编程，命令行+配置参数，即可实现多种组合的训练。PaddleClas中还有很多内容可以挖掘，这里只是打开了大门。

相关的几个网址发一下，可以自行学习：

https://paddleclas.readthedocs.io/zh_CN/latest/tutorials/

https://gitee.com/paddlepaddle/PaddleClas/

https://github.com/PaddlePaddle/PaddleClas

本文由老牛实验室原创，转帖请注明。

对人工智能及相关领域感兴趣的读者，可以关注本账号。本账号头条、CSDN同名：老牛实验室。