在开始使用 TAO 模型训练工具之前，我们必须先对其操作原理有个基础的理解，因为这套工具能支持 30 多种神经网络的深度学习，并且横跨视觉类与对话类两种不同领域，究竟是如何做到的？
前面介绍的内容中提过，在 TAO 工具使用两个不同的 Docker 容器，去面对视觉类与对话类的模型训练，分别是基于 Tensorflow 与 PyTorch 框架。
不过英伟达将复杂的调用工作进行高度的抽象化处理，以启动器 CLI 指令作为统一的执行接口，并且为每个神经网络提供对应的配置文件组，透过指令集与配置文件的组合，将操作的逻辑变得非常简单，开发人员只要熟悉这套指令集，就能非常轻松地驾驭所有 TAO 支持的神经网络，进行高效率的模型训练任务。
因此在操作 TAO 工具之前，首先得对 CLI 指令集与配置文件有个初步的了解。
启动器CLI指令集：
这个指令集的语法非常简单，主要是下面三部分所组成：
1. task：包括 TAO 所支持的神经网络算法以及基础的控制指令，主要分为以下三类：
视觉类神经网络：augment、bpnet、classification、dssd、emotionnet、efficientdet、fpenet、gazenet、gesturenet、heartratenet、lprnet、mask_rcnn、multitask_classification、retinanet、ssd、unet、yolo_v3、yolo_v4、yolo_v4_tiny、converter、detectnet_v2、faster_rcnn等
对话类神经网络：speech_to_text、speech_to_text_citrinet、text_classification、question_answering、token_classification、intent_slot_classification、punctuation_and_capitalization、spectro_gen、vocoder、action_recognition、n_gram等
控制指令类：包括 list、stop、info 三个功能指令，分别执行列出、终止处理启动器的进程，以及显示 TAO 的基础信息。
上面所有的信息，可以用 tao info --verbose 指令，查询到不同版本容器所支持的神经网络类型。
当我们单纯执行 tao 的时候，就会进入对应的容器里，例如：
tao ssd 会进入视觉类的容器，这里是 tao-toolkit-tf:v3.21.11-tf1.15.5-py3
tao n_gram 进入对话类容器，这里是 tao-toolkit-lm:v3.21.08-py3
2. sub-task与args：主要是指 TAO 所支持的神经网络算法(task)而不同，最简单的方法就是执行 tao--help 去查询个别 task 后面所需要的。例如：
执行 tao ssd --help 会显示以下信息：大部分视觉类的参数是类似
执行 tao n_gram --help 会显示以下信息：大部分对话类参数是类似
dataset_convert：将数据集转换成指定格式
evaluate：模型评估
export：导出模型
inference：推理识别
prune：修剪模型
train：训练模型
到这里应该能够感受到这个 CLI 指令集的便利之处，开发人员只要好好记住这组指令，不需要撰写任何 C++ 或 Python 代码，甚至不需要了解任何一个神经网络的结构与算法，就能非常轻松地面对这么多种复杂的模型训练任务。
视觉类神经网络配置文件：
这里需要透过 TAO 提供的范例来说明配置文件的细节，这里以视觉类的范例为主，请执行下列指令下载范例文件：
wget --content-disposition https://api.ngc.nvidia.com/v2/resources/nvidia/tao/cv_samples/versions/v1.3.0/zip -O cv_samples_v1.3.0.zipunzip -u cv_samples_v1.3.0.zip -d ./cv_samples_v1.3.0rm -rf cv_samples_v1.3.0.zip && cd ./cv_samples_v1.3.0
在 cv_samples_v1.3.0 文件夹里有 20+ 个子目录，每个子文件夹就对应一个神经网络，下面都有个别的 specs 子目录，里面就存放对应的配置文件。
每个项目应该是由不同的技术人员所处理，在文件格式与命名方式也不尽相同，大部分是 .txt 纯文件格式，有些则使用 .yaml 或 .json 格式，因此需要针对个别项目，去深入了解每个配置文件里的各项参数。
下面是 TAO 视觉类模型训练工具的工作流图，每个项目里的配置文件，都是为不同阶段的任务提供所需要的参数。
这里以英伟达发展的 detectnet_v2 神经网络作为范例，里面的配置文件内容比较完整，包括以下 7 个文件：
detectnet_v2_tfrecords_kitti_trainval.txt
detectnet_v2_train_resnet18_kitti.txt
detectnet_v2_retrain_resnet18_kitti.txt
detectnet_v2_retrain_resnet18_kitti_qat.txt
detectnet_v2_inference_kitti_etlt_qat.txt
detectnet_v2_inference_kitti_tlt.txt
detectnet_v2_inference_kitti_etlt.txt
1. 格式转换：由于这个训练的容器是基于 Tensorflow 框架，因此执行训练前需要先将数据集转换成 tf_record 格式，就会用到 detectnet_v2_tfrecords_kitti_trainval.txt 配置文件。其他项目里 xxx_tfrecords_kitti_xxx.txt 主要就是作为这个用途。
2. 训练模型：所有项目里的 xxx_train_xxx.txt 文件，都是该项目进行第一次训练时所需要配置文件，不过每个项目的配置中都不尽相同，以下列出 4 个项目提供参考：
这里的参数设定，是整个 TAO 训练模型过程中技术含量最高的环节，我们所能修改的部分大概就是“training_config”组里的”batch_size_per_gpu”与“num_epochs”这两个参数，以及确认“dataset_config”组里的每一个“target_class_mapping”对应是否正确。
其他参数的调整是需要对个别神经网络的结构预与算法有足够了解，如果没有把握的话，建议就使用英伟达已经优化过的参数。
3. 评估模型：也使用前面一个配置文件。如果不满意评估结果（例如 mAP 低于 0.5），可以试着加大 num_epochs，或者从头检查数据集的图像与标注；如果满意结果的话，就可以继续往下执行。
4. 修剪模型：TAO 使用比较简单的调整阈值(threshold)，而不改变其他参数
5. 模型再训练：这个步骤用到的 xxx_retrain_xxx.txt 配置文件，与第一次训练使用的配置文件中的最大不同点，在于“pretrained_model_file”的部分，第一次训练使用 NGC 下载的预训练模型，而再训练的部分是使用步骤 4 修剪步骤所生成的模型，其他设定值是一样的。
6. 评估再训练的模型：与步骤 3 相同。如果对评估结果并不满意，请回到步骤 4 重复进行；如果感到满意，就能接续往下执行推理识别，验证模型的效果。
后面的推理验证与导出模型的步骤，留在实际项目执行的时候再做说明。到此应该能清楚，在 TAO 模型训练阶段，需要的就是 xxx_tfrecords_xxx.txt、xxx_train_xxx.txt 与 xxx_retrain_xxx.txt 这三个配置文件，后面两个文件的内容几乎一样，只有调用的预训练模型不一样，这样就能让事情变得更加单纯。
整个 TAO 训练工具的内容，主要就是围绕着 CLI 指令集与配置文件的组合处理，如此一来，开发人员只要掌握这两个部分，就能轻松驾驭大部分的模型训练任务。
分享到微信
分享到微博
