重参数化

本示例介绍如何对动态图模型进行重参数化训练，示例以常用的MobileNetV1模型为例，介绍如何对其进行DBB重参数化实验，DBB参考自论文。

分类模型的重参数化训练流程

准备数据

在当前目录下创建data文件夹，将ImageNet数据集解压在data文件夹下，解压后data/ILSVRC2012文件夹下应包含以下文件：

• 'train'文件夹，训练图片
• 'train_list.txt'文件
• 'val'文件夹，验证图片
• 'val_list.txt'文件

准备需要重参数化的模型

• 对于paddle vision支持的模型：[lenet, mobilenetv1, mobilenetv2, resnet, vgg]可以直接使用vision内置的模型定义和ImageNet预训练权重

训练命令

• MobileNetV1

  启动命令如下：

  # 单卡训练
  python train.py --model=mobilenet_v1
  # 多卡训练，以0到3号卡为例
  python -m paddle.distributed.launch --gpus="0,1,2,3" train.py

重参数化结果

模型	FP32模型准确率（Top1）	重参数化方法	重参数化模型准确率（Top1）
MobileNetV1	70.99	DBB	72.01