代码拉取完成，页面将自动刷新
论文原作者：Xizhou Zhu, Weijie Su, Lewei Lu, Bin Li, Xiaogang Wang, Jifeng Dai.
论文名称： Deformable DETR: Deformable Transformers for End-to-End Object Detection.
Deformable DETR 是一个高效的收敛快的端到端目标检测器（Object Detector）；它通过一种新颖的基于采样的注意力机制解决了DETR模型的高复杂性和收敛慢的问题；
| 模型 | 任务列表 | 精度 | Backbone | 是否支持 |
|---|---|---|---|---|
| Deformable DETR | 训练目标检测器 | FP32精度 | ResNet50 | √ |
当前模型支持的 PyTorch 版本：PyTorch 2.1
搭建 PyTorch 环境参考：https://gitee.com/link?target=https%3A%2F%2Fwww.hiascend.com%2Fdocument%2Fdetail%2Fzh%2FModelZoo%2Fpytorchframework%2Fptes
表1 昇腾软件版本支持列表
| 软件类型 | 支持列表 |
|---|---|
| FrameworkPTAdapter | 7.0.RC1 |
| CANN | 8.1.RC1 |
1、激活 CANN 包环境：将 CANN 包所在目录记为 cann_root_dir，执行以下命令以激活环境：
source {cann_root_dir}/set_env.sh
2、创建 conda 环境并激活：
conda create -n deformable_detr python=3.9
conda activate deformable_detr
3、克隆代码仓到当前目录并使用 patch 文件
git clone https://gitee.com/ascend/DrivingSDK.git -b master
cd DrivingSDK/model_examples/Deformable-DETR
pip install -r requirements.txt
chmod -R 777 run.sh
./run.sh
cp -rf test Deformable-DETR
cd Deformable-DETR
如果需要将 Deformable-DETR 源码 clone 到用户自定义目录，执行下面的shell命令：
your_path=/home/ # 替换为用户自定义目标目录地址
git clone https://gitee.com/ascend/DrivingSDK.git -b master
cd DrivingSDK/model_examples/Deformable-DETR
pip install -r requirements.txt
chmod -R 777 run.sh
git clone https://github.com/fundamentalvision/Deformable-DETR.git ${your_path}
cp -f Deformable-DETR_npu.patch ${your_path}
cp -rf test ${your_path}
cd ${your_path}
git apply Deformable-DETR_npu.patch
进入 COCO 官网，下载 COCO2017 数据集。将数据集上传到服务器任意路径下并解压，数据集结构排布成如下格式：
coco_path/
annotations/ # annotation json files
train2017/ # train images
val2017/ # val images
主要提供单机 8 卡训练脚本：
bash test/train_8p_full.sh --data_path='.data/coco' # 替换成你的coco数据集路径，进行 8 卡训练
bash test/train_8p_performance.sh --data_path='.data/coco' # 替换成你的coco数据集路径，进行 8 卡性能测试
训练脚本参数说明：
--data_path # 数据集路径，必填
--epochs # 重复训练次数，可选项，默认 50
| 芯片 | 卡数 | epoch | global batch size | mAP(IoU=0.50:0.95) | 性能-单步迭代耗时(s) | FPS |
|---|---|---|---|---|---|---|
| 竞品A | 8p | 50 | 64 | 0.437 | 1.01 | 65 |
| Atlas 800T A2 | 8p | 50 | 64 | 0.436 | 1.14 | 56 |
2024.12.23：首次发布
2025.5.7：性能优化、更新性能数据
暂无
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手
