VanillaNet

VanillaNet

高效简约的深度学习神经网络架构

VanillaNet是一种创新的神经网络架构,专注于简洁性和效率。它摒弃了复杂的快捷连接和注意力机制,仅使用较少的层数就能保持出色的性能。该项目展示了精简架构也能实现有效结果,为计算机视觉领域开辟了新路径,挑战了基础模型的现状。与主流模型相比,VanillaNet在保持相当性能的同时,具有更少的层数和更快的推理速度。

VanillaNet深度学习神经网络计算机视觉模型效率Github开源项目

VanillaNet:深度学习中极简主义的力量

<p align="left"> <a href="https://arxiv.org/abs/2305.12972" alt="arXiv"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/2dcf7803-ceb5-44a0-9ee3-13f22dffb4fd.svg?style=flat" /></a> </p>

VanillaNet的官方PyTorch实现,来自以下论文: VanillaNet:深度学习中极简主义的力量 Hanting Chen、王云鹤、郭建远和陶大程

<img src="https://yellow-cdn.veclightyear.com/835a84d5/02bfa6b2-6528-45e2-b86e-fb16133f97db.PNG" width="800px"/>

VanillaNet是一种创新的神经网络架构,专注于简洁性高效性。它摒弃了复杂的特征,如快捷连接注意力机制,使用较少的层数,同时仍保持出色的性能。该项目展示了使用精简架构也能取得有效结果,从而为计算机视觉领域开辟了新路径,挑战了基础模型的现状。

新闻

2023年6月2日 除了论文中报告的速度外,我们还在A100上使用NVIDIA TensorRT测量了速度,以及在华为昇腾910上的速度。VanillaNet的推理速度优于其他对手。🍺

深度和速度比较

<img src="https://yellow-cdn.veclightyear.com/835a84d5/45007558-9c8a-49c1-83df-68823313c6fd.PNG" width="360px"/> <img src="https://yellow-cdn.veclightyear.com/835a84d5/a2907c39-5a08-4f77-871d-a7692932e20e.PNG" width="300px"/>

VanillaNet在性能上可与流行的计算机视觉基础模型相媲美,但具有更浅的深度和更快的推理速度

  • 11层的VanillaNet以3.59毫秒的速度达到约**81%的Top-1准确率,比ResNet-50(7.64毫秒)的速度提高了100%**以上。
  • 13层的VanillaNet(1.5倍*)以9.72毫秒的速度达到约**83%的Top-1准确率,比Swin-S(20.25毫秒)的速度提高了100%**以上。
  • 在A100上使用tensorRT FP32,11层的VanillaNet以0.69毫秒的速度达到约**81%的Top-1准确率,比Swin-T(1.41毫秒)和ResNet-101(1.58毫秒)的速度提高了100%**以上。 | 名称 | 参数量(M) | FLOPs(B) | 准确率(%) | 延迟(ms) <br/>Pytorch <br/>A100 | 延迟(ms) <br/>MindSpore <br/>Ascend 910 | 延迟(ms) <br/>TRT FP32 <br/>A100 | 延迟(ms) <br/>TRT FP16 <br/>A100 | 延迟(ms) <br/>TRT FP32 <br/>V100 | |:---:|:---:|:---:|:---:| :---:|:---:|:---:|:---:|:---:| | Swin-T | 28.3 | 4.5 | 81.18 | 10.51 | 2.24 | 1.41 | 0.98 |4.71 | | ConvNextV2-N | 15.6 | 2.45 | 81.2 | 6.85 | 3.43 | - | - | 2.81 | | ResNet-18 | 11.7 | 1.8 | 70.6 | 3.12 | 0.60 | 0.41 | 0.28 | 1.63 | | ResNet-34 |21.8|3.7|75.5|5.57|0.97|0.77|0.49| 2.18 | | ResNet-50 |25.6|4.1|79.8|7.64|1.23|0.80|0.54| 3.03 | | ResNet-101 |45.0|8.0|81.3|15.35|2.34|1.58|1.04| 4.46 | | ResNet-152 |60.2|11.5|81.8|22.19|3.40|2.30|1.49| 6.89 | | VanillaNet-5 | 15.5 | 5.2 | 72.49 | 1.61 |0.39|0.33|0.27| 1.60 | | VanillaNet-6 | 32.5 | 6.0 | 76.36 | 2.01 |0.53|0.40|0.33|1.84| | VanillaNet-7 | 32.8 | 6.9 | 77.98 | 2.27 |0.76|0.47|0.39|2.02| | VanillaNet-8 | 37.1 | 7.7 | 79.13 | 2.56 |0.80|0.52|0.45|2.26| | VanillaNet-9 | 41.4 | 8.6 | 79.87 | 2.91 |0.86|0.58|0.49|2.55| | VanillaNet-10 | 45.7 | 9.4 | 80.57 | 3.24 |0.89|0.63|0.53|2.84| | VanillaNet-11 | 50.0 | 10.3 | 81.08 | 3.59 | 0.95 |0.69|0.58|3.14| | VanillaNet-12 | 54.3 | 11.1 | 81.55 | 3.82 |1.00|0.75|0.62|3.44| | VanillaNet-13 | 58.6 | 11.9 | 82.05 | 4.26 |1.05|0.82|0.67|3.69|

下游任务

请参考此页面

VanillaNet在检测分割任务中实现了更高的每秒帧数(FPS)。

目录

  • ImageNet-1K测试代码
  • VanillaNet-5到VanillaNet-10的ImageNet-1K训练代码
  • VanillaNet-5到VanillaNet-10的ImageNet-1K预训练权重
  • VanillaNet-11到VanillaNet-13的ImageNet-1K训练代码
  • VanillaNet-11到VanillaNet-13的ImageNet-1K预训练权重
  • 下游迁移(检测、分割)代码

结果和预训练模型

ImageNet-1K训练模型

名称参数量(M)FLOPs(B)延迟(ms)准确率(%)模型
VanillaNet-515.55.21.6172.49模型
VanillaNet-632.56.02.0176.36模型
VanillaNet-732.86.92.2777.98模型
VanillaNet-837.17.72.5679.13模型
VanillaNet-941.48.62.9179.87模型
VanillaNet-1045.79.43.2480.57模型
VanillaNet-1150.010.33.5981.08模型
VanillaNet-1254.311.13.8281.55模型
VanillaNet-1358.611.94.2682.05模型
VanillaNet-13-1.5x127.826.57.8382.53模型
VanillaNet-13-1.5x†127.848.99.7283.11模型

安装

实验结果使用 torch==1.10.2+cu113 torchvision==0.11.3+cu113 timm==0.6.12 生成。其他版本可能也适用。

按照官方说明安装 Pytorchtorchvision

安装所需的包:

pip install timm==0.6.12
pip install cupy-cuda113
pip install torchprofile
pip install einops
pip install tensorboardX
pip install terminaltables

数据集准备

下载 ImageNet-1K 分类数据集并按如下结构组织数据:

/path/to/imagenet-1k/
  train/
    class1/
      img1.jpeg
    class2/
      img2.jpeg
  val/
    class1/
      img3.jpeg
    class2/
      img4.jpeg

测试

我们给出一个 VanillaNet-5 的示例评估命令:

不使用部署模式:

python -m torch.distributed.launch --nproc_per_node=1 main.py --model vanillanet_5 --data_path /path/to/imagenet-1k/ --real_labels /path/to/imagenet_real_labels.json --finetune /path/to/vanillanet_5.pth --eval True --model_key model_ema --crop_pct 0.875

使用部署模式:

python -m torch.distributed.launch --nproc_per_node=1 main.py --model vanillanet_5 --data_path /path/to/imagenet-1k/ --real_labels /path/to/imagenet_real_labels.json --finetune /path/to/vanillanet_5.pth --eval True --model_key model_ema --crop_pct 0.875 --switch_to_deploy /path/to/vanillanet_5_deploy.pth

训练

你可以使用以下命令在一台配有 8 个 GPU 的机器上训练 VanillaNet-5:

python -m torch.distributed.launch --nproc_per_node=8 main.py \
--model vanillanet_5 \
--data_path /path/to/imagenet-1k \
--batch_size 128 --update_freq 1  --epochs 300 --decay_epochs 100 \ 
--lr 3.5e-3 --weight_decay 0.35  --drop 0.05 \
--opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.1 --bce_loss \
--output_dir /path/to/save_results \
--model_ema true --model_ema_eval true --model_ema_decay 0.99996 \
--use_amp true 
  • 这里,有效批量大小 = --nproc_per_node * --batch_size * --update_freq。在上面的例子中,有效批量大小是 8*128*1 = 1024

要训练其他 VanillaNet 变体,需要更改 --model。以下是一些示例。

<details> <summary> VanillaNet-6 </summary> ``` python -m torch.distributed.launch --nproc_per_node=8 main.py \ --model vanillanet_6 \ --data_path /path/to/imagenet-1k \ --batch_size 128 --update_freq 1 --epochs 300 --decay_epochs 100 \ --lr 4.8e-3 --weight_decay 0.32 --drop 0.05 \ --layer_decay 0.8 --layer_decay_num_layers 4 \ --opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.15 --bce_loss \ --output_dir /path/to/save_results \ --model_ema true --model_ema_eval true --model_ema_decay 0.99996 \ --use_amp true ``` </details> <details> <summary> VanillaNet-7 </summary>
python -m torch.distributed.launch --nproc_per_node=8 main.py \
--model vanillanet_7 \
--data_path /path/to/imagenet-1k \
--batch_size 128 --update_freq 1  --epochs 300 --decay_epochs 100 \ 
--lr 4.7e-3 --weight_decay 0.35  --drop 0.05 \
--layer_decay 0.8 --layer_decay_num_layers 5 \
--opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.4 --bce_loss \
--output_dir /path/to/save_results \
--model_ema true --model_ema_eval true --model_ema_decay 0.99996 \
--use_amp true 
</details> <details> <summary> VanillaNet-8 </summary>
python -m torch.distributed.launch --nproc_per_node=8 main.py \
--model vanillanet_8 \
--data_path /path/to/imagenet-1k \
--batch_size 128 --update_freq 1  --epochs 300 --decay_epochs 100 \ 
--lr 3.5e-3 --weight_decay 0.3  --drop 0.05 \
--opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.4 --bce_loss \
--output_dir /path/to/save_results \
--model_ema true --model_ema_eval true --model_ema_decay 0.99996 \
--use_amp true 
</details> <details> <summary> VanillaNet-9 </summary>
python -m torch.distributed.launch --nproc_per_node=8 main.py \
--model vanillanet_9 \
--data_path /path/to/imagenet-1k \
--batch_size 128 --update_freq 1  --epochs 300 --decay_epochs 100 \ 
--lr 3.5e-3 --weight_decay 0.3  --drop 0.05 \
--opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.4 --bce_loss \
--output_dir /path/to/save_results \
--model_ema true --model_ema_eval true --model_ema_decay 0.99996 \
--use_amp true 
</details> <details> <summary> VanillaNet-10 </summary>
python -m torch.distributed.launch --nproc_per_node=8 main.py \
--model vanillanet_10 \
--data_path /path/to/imagenet-1k \
--batch_size 128 --update_freq 1  --epochs 300 --decay_epochs 100 \ 
--lr 3.5e-3 --weight_decay 0.25  --drop 0.05 \
--opt lamb --aa rand-m7-mstd0.5-inc1 --mixup 0.4 --bce_loss \
--output_dir /path/to/save_results \
--model_ema true --model_ema_eval true --model_ema_decay 0.99996 \
--use_amp true 
</details>

致谢

本仓库基于timmDeiTBEiTRegVGGConvNeXt等仓库构建。

许可证

本项目在MIT许可证下发布。更多信息请参阅LICENSE文件。

说明文档PDF

说明文档PDF(中文版)可以在这里找到

引用

如果我们的工作对您的研究有帮助,请考虑引用:

@article{chen2023vanillanet,
  title={VanillaNet: the Power of Minimalism in Deep Learning},
  author={Chen, Hanting and Wang, Yunhe and Guo, Jianyuan and Tao, Dacheng},
  journal={arXiv preprint arXiv:2305.12972},
  year={2023}
}

注意

此开源项目不是华为的官方产品,华为不预期为此项目提供支持。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多