Skip to content

Latest commit

 

History

History
 
 

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 
 
 
 
 
 
 
 
 

README.md

PaddGAN模型性能复现

目录

├── README.md # 说明文档 ├── benchmark.yaml # 配置文件,设置测试模型及模型参数 ├── run_all.sh # 执行入口,测试并获取所有生成对抗模型的训练性能 └── run_benchmark.sh # 执行实体,测试单个分割模型的训练性能 

环境介绍

物理机环境

  • 单机(单卡、8卡)
    • 系统:CentOS release 7.5 (Final)
    • GPU:Tesla V100-SXM2-32GB * 8
    • CPU:Intel(R) Xeon(R) Gold 6271C CPU @ 2.60GHz * 80
    • CUDA、cudnn Version: cuda10.2-cudnn7

备注

BasicVSR模型因竞品torch模型只能测4卡,故这里也测4卡。

因REDS数据集较大,避免每次下载时间较长,需要在Docker建立好后,将REDS数据集放到/workspace/data/目录一下。

Docker 镜像

  • 镜像版本: registry.baidubce.com/paddlepaddle/paddle:2.1.2-gpu-cuda10.2-cudnn7
  • paddle 版本: 2.1.2
  • CUDA 版本: 10.2
  • cuDnn 版本: 7

在PaddleGAN目录下,启动测试脚本的方法如下:

ImageName="registry.baidubce.com/paddlepaddle/paddle:2.1.2-gpu-cuda10.2-cudnn7" docker pull ${ImageName} run_cmd="set -xe; cd /workspace ; bash -x benchmark/run_all.sh" nvidia-docker run --name test_paddlegan -i \ --net=host \ --shm-size=128g \ -v $PWD:/workspace \ ${ImageName} /bin/bash -c "${run_cmd}" 

如果需要打开profile选项,可以直接替换run_cmd为:

run_cmd="set -xe; cd /workspace ; bash -x benchmark/run_all.sh on" 

输出

执行完成后,在PaddleGAN目录会产出模型训练性能数据的文件,比如esrgan_mp_bs32_fp32_8等文件。