train_multi_gpus.sh 3.9 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960
  1. # -------------------------- Train RTCDet --------------------------
  2. python -m torch.distributed.run --nproc_per_node=8 train.py \
  3. --cuda \
  4. -dist \
  5. -d coco \
  6. --root /data/datasets/ \
  7. -m rtcdet_s \
  8. -bs 128 \
  9. -size 640 \
  10. --wp_epoch 3 \
  11. --max_epoch 300 \
  12. --eval_epoch 10 \
  13. --no_aug_epoch 20 \
  14. --ema \
  15. --fp16 \
  16. --sybn \
  17. --multi_scale \
  18. --save_folder weights/ \
  19. # --load_cache \
  20. # --resume weights/coco/yolox_l/yolox_l_best.pth \
  21. # -------------------------- Train YOLOX & YOLOv7 --------------------------
  22. # python -m torch.distributed.run --nproc_per_node=8 train.py \
  23. # --cuda \
  24. # -dist \
  25. # -d coco \
  26. # --root /data/datasets/ \
  27. # -m rtcdet_n \
  28. # -bs 64 \
  29. # -size 640 \
  30. # --wp_epoch 3 \
  31. # --max_epoch 300 \
  32. # --eval_epoch 10 \
  33. # --no_aug_epoch 15 \
  34. # --ema \
  35. # --fp16 \
  36. # --sybn \
  37. # --multi_scale \
  38. # # --load_cache \
  39. # # --resume weights/coco/yolox_l/yolox_l_best.pth \
  40. # -------------------------- Train YOLOv1~v5 --------------------------
  41. # python -m torch.distributed.run --nproc_per_node=8 train.py \
  42. # --cuda \
  43. # -dist \
  44. # -d coco \
  45. # --root /data/datasets/ \
  46. # -m yolov5_l\
  47. # -bs 128 \
  48. # -size 640 \
  49. # --wp_epoch 3 \
  50. # --max_epoch 300 \
  51. # --eval_epoch 10 \
  52. # --no_aug_epoch 10 \
  53. # --ema \
  54. # --fp16 \
  55. # --sybn \
  56. # --multi_scale \
  57. # # --load_cache
  58. # # --resume weights/coco/yolov5_l/yolov5_l_best.pth \