模型训练

1. 训练

PaddleX 预置了大量优秀的模型，使用 PaddleX 进行模型训练，只需一行命令：

python main.py -c paddlex/configs/image_classification/PP-LCNet_x1_0.yaml -o Global.mode=train

在 PaddleX 中模型训练支持：修改训练超参数、单机单卡/多卡训练等功能，只需修改配置文件或追加命令行参数。

PaddleX 中每个模型都提供了模型开发的配置文件，用于设置相关参数。模型训练相关的参数可以通过修改配置文件中 Train 下的字段进行设置，配置文件中部分参数的示例说明如下：

Global：
- mode：模式，支持数据校验（check_dataset）、模型训练（train）、模型评估（evaluate）；
- device：训练设备，可选cpu、gpu，GPU 多卡训练可指定卡号，如：gpu:0,1,2,3；
Train：训练超参数设置；
- epochs_iters：训练轮次数设置；
- learning_rate：训练学习率设置；

以上参数通过可以通过追加令行参数的形式进行设置，如指定模式为模型训练：-o Global.mode=train；指定 2 卡 GPU 训练：-o Global.device=gpu:0,1；设置训练轮次数为 10：-o Train.epochs_iters=10。

在完成模型训练后，可以对指定的模型权重文件在验证集上进行评估，验证模型精度。使用 PaddleX 进行模型评估，只需一行命令：

python main.py -c paddlex/configs/image_classification/PP-LCNet_x1_0.yaml -o Global.mode=evaluate

与模型训练类似，模型评估支持修改配置文件或追加命令行参数的方式设置。