tao-train-image-classification

分类 PyT

PyTorch 图像分类。支持多种骨干网络（FAN、EfficientNet、ResNet 等），并支持蒸馏和量化以便部署。

设置 model.backbone.pretrained_backbone_path 以指定骨干网络权重，或设置 train.pretrained_model_path 以指定完整模型。

对于 TAO Deploy TensorRT 操作（gen_trt_engine、TensorRT evaluate 和 TensorRT inference），请先阅读 references/tao-deploy-image-classification.md。部署规范模板位于此技能的 references/ 文件夹中，前缀为 spec_template_deploy_*.yaml。

数据类架构

生成的 TAO Core 架构打包在 schemas/<action>.schema.json 中，schemas/manifest.json 列出了可用操作。每个生成的架构还会根据架构顶层的 default 字段生成 references/spec_template_<action>.yaml。AutoML 启用状态通过 references/skill_info.yaml 中模型层级的 automl_enabled 声明。要使 AutoML 可运行，仍需存在并能够解析 schemas/train.schema.json 和 references/spec_template_train.yaml。对于 automl_default_parameters、automl_disabled_parameters、默认值、最小/最大值限制、枚举值、选项权重、数学条件、依赖项和常用参数，请使用打包的训练架构。运行时不要假定存在 ~/tao-core；维护者会在打包技能库前重新生成架构和模板。

训练操作策略

此模型在模型层级启用了 AutoML。处理任何训练阶段的请求前，请阅读 references/skill_info.yaml，并根据明确指定的 automl_policy 值或用户的工作流请求确定本次运行的策略。将“turn off AutoML”“disable AutoML”“no HPO”或“plain training”等说法视为仅对本次运行设置 automl_policy: off；否则默认设为 auto。当 automl_policy: auto、automl_enabled: true，且已打包 schemas/train.schema.json 和 references/spec_template_train.yaml 时，默认通过 tao-skill-bank:tao-run-automl 路由训练操作，并提供此模型的 skill_dir。保留工作流/应用对数据集、规范、输出目录、GPU/平台设置、父检查点和 automl_policy 的覆盖设置。仅当 automl_policy: off 或缺少已打包的训练架构/模板时，才直接使用模型训练；若缺少架构，请说明 AutoML 已启用，但在为此模型生成架构前无法运行。

evaluate、inference、export 和部署流程等非训练操作仍由此模型技能处理。每次运行的 automl_policy 覆盖设置不会更改模型元数据。

训练要求

• 数据集类型： 图像分类
• 格式： classification_pyt
• 监控指标： val_acc_1

每个操作的数据集要求

操作	规范键	来源	文件	列表？
distill	dataset.train_dataset.images_dir	train_datasets	images_train.tar.gz	否
distill	dataset.classes_file	train_datasets	classes.txt	否
distill	dataset.val_dataset.images_dir	eval_dataset	images_val.tar.gz	否
evaluate	dataset.val_dataset.images_dir	eval_dataset	images_val.tar.gz	否
evaluate	dataset.classes_file	eval_dataset	classes.txt	否
evaluate	dataset.test_dataset.images_dir	inference_dataset	images_test.tar.gz	否
export	dataset.root_dir	train_datasets		否
inference	dataset.val_dataset.images_dir	eval_dataset	images_val.tar.gz	否
inference	dataset.classes_file	eval_dataset	classes.txt	否
inference	dataset.test_dataset.images_dir	inference_dataset	images_test.tar.gz	否
quantize	dataset.train_dataset.images_dir	train_datasets	images_train.tar.gz	否
quantize	dataset.classes_file	train_datasets	classes.txt	否
quantize	dataset.val_dataset.images_dir	eval_dataset	images_val.tar.gz	否
quantize	dataset.quant_calibration_dataset.images_dir	calibration_dataset	images_train.tar.gz	否
train	dataset.train_dataset.images_dir	train_datasets	images_train.tar.gz	否
train	dataset.classes_file	train_datasets	classes.txt	否
train	dataset.val_dataset.images_dir	eval_dataset	images_val.tar.gz	否

常见规范覆盖项

每个操作都必须覆盖数据源——Agent 必须根据上方的“每个操作的数据集要求”表构建数据源路径，并将其包含在 spec_overrides 中。

S3_TRAIN = "s3://bucket/data/train"
S3_EVAL = "s3://bucket/data/eval"

train（必需的数据源）：

{
    "train.num_epochs": 2,
    "train.validation_interval": 2,
    "train.checkpoint_interval": 2,
    "train.num_gpus": 1,
    "dataset.train_dataset.images_dir": f"{S3_TRAIN}/images_train.tar.gz",
    "dataset.classes_file": f"{S3_TRAIN}/classes.txt",
    "dataset.val_dataset.images_dir": f"{S3_EVAL}/images_val.tar.gz",
}

export（必需的数据源）：

{
    "export.input_height": 224,
    "export.input_width": 224,
    "dataset.root_dir": f"{S3_TRAIN}",
}

gen_trt_engine：

{
    "gen_trt_engine.tensorrt.data_type": "fp16",
}

inference（必需的数据源）：

{
    "dataset.batch_size": 1,
    "dataset.val_dataset.images_dir": f"{S3_EVAL}/images_val.tar.gz",
    "dataset.classes_file": f"{S3_EVAL}/classes.txt",
    "dataset.test_dataset.images_dir": f"{S3_EVAL}/images_test.tar.gz",
}

distill（必需的数据源）：

{
    "dataset.train_dataset.images_dir": f"{S3_TRAIN}/images_train.tar.gz",
    "dataset.classes_file": f"{S3_TRAIN}/classes.txt",
    "dataset.val_dataset.images_dir": f"{S3_EVAL}/images_val.tar.gz",
}

evaluate（必需的数据源）：

{
    "dataset.val_dataset.images_dir": f"{S3_EVAL}/images_val.tar.gz",
    "dataset.classes_file": f"{S3_EVAL}/classes.txt",
    "dataset.test_dataset.images_dir": f"{S3_EVAL}/images_test.tar.gz",
}

quantize（必需的数据源）：

{
    "dataset.train_dataset.images_dir": f"{S3_TRAIN}/images_train.tar.gz",
    "dataset.classes_file": f"{S3_TRAIN}/classes.txt",
    "dataset.val_dataset.images_dir": f"{S3_EVAL}/images_val.tar.gz",
    "dataset.quant_calibration_dataset.images_dir": f"{S3_TRAIN}/images_train.tar.gz",
}

评估数据集

可选。验证图像与训练图像一起以单独的 tar 文件提供。

重要参数

• dataset.num_classes：类别数。默认值为 20。必须与图像 tar 包中的子目录数量一致。
• model.backbone.type：默认值为 fan_small_12_p4_hybrid。支持的骨干网络及其 head in_channels（来自 model_params_mapping.py）：FAN：fan_tiny、fan_small_12_p4_hybrid、fan_base_16_p4_hybrid、fan_large_16_p4_hybrid。GCViT：从 gcvit_tiny 到 gcvit_large。FasterViT：从 fastervit_0 到 fastervit_6。ViT/EVA/DINO：vit_large_patch14_dinov2、eva02_large_patch14 等。SigLIP-CLIPA：ViT-H-14-SigLIP-CLIPA-224 等。部分骨干网络要求使用非默认输入分辨率（384、512、768）。
• dataset.classes_file：列出类别名称的 classes.txt 文件路径。
• train.optim.lr：学习率。默认值为 6e-5。
• dataset.img_size：输入图像尺寸。默认值为 224。
• dataset.batch_size：每个 GPU 的批次大小。默认值为 8。

多 GPU / 多节点

**启动方式：**由 Lightning 管理（单个 python 进程，Lightning 会派生工作进程）。

规范键	描述	默认值
train.num_gpus	GPU 数量	1
train.gpu_ids	GPU 设备索引	[0]
train.num_nodes	节点数量	1

• 多 GPU 策略：ddp_find_unused_parameters_true
• 不支持 fsdp

多节点环境变量（由编排器设置）：WORLD_SIZE、NODE_RANK、MASTER_ADDR、MASTER_PORT、NUM_GPU_PER_NODE。

硬件

至少需要 1 张 GPU，建议使用 2 张 GPU。每张 GPU 需要 16GB 以上显存（V100 或 A100）。分类任务通常比较轻量。大多数骨干网络在 224x224 输入尺寸下，使用 batch_size=8 时都能很好地运行于 16GB GPU 上。

错误模式

CUDA 内存不足：减小 batch_size 或使用更小的骨干网络。

num_classes 不匹配：确保 dataset.num_classes 与图像 tarball 和 classes.txt 中的实际类别目录一致。

类别目录为空：classes.txt 中的每个类别都必须在对应的子目录中至少包含一张图像。

Spec 参数 / 父模型推理

特定于模型的推理映射应写在此 MD 文件中，而不是 config.json 中。生成的运行器应读取本节内容，并在调用 create_job() 之前使用 SDK 辅助函数应用这些映射。这与旧版微服务的 infer_params.py 流程相对应。

TAO Core classification_pyt.config.json 中的推理映射：

操作	Spec 字段	推理函数	含义
distill	distill.pretrained_teacher_model_path	parent_model	从父作业结果文件夹推断出的模型文件
distill	results_dir	output_dir	当前作业的结果目录
evaluate	evaluate.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
evaluate	results_dir	output_dir	当前作业的结果目录
export	export.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
export	export.onnx_file	create_onnx_file	输出 ONNX 路径
export	results_dir	output_dir	当前作业的结果目录
gen_trt_engine	gen_trt_engine.onnx_file	parent_model	从父作业结果文件夹推断出的模型文件
gen_trt_engine	gen_trt_engine.trt_engine	create_engine_file	输出 TensorRT 引擎路径
gen_trt_engine	results_dir	output_dir	当前作业的结果目录
inference	inference.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
inference	inference.trt_engine	parent_model	从父作业结果文件夹推断出的模型文件
inference	results_dir	output_dir	当前作业的结果目录
quantize	quantize.model_path	parent_model	从父作业结果文件夹推断出的模型文件
quantize	results_dir	output_dir	当前作业的结果目录
train	model.backbone.pretrained_backbone_path	ptm_if_no_resume_model	不存在恢复训练检查点时使用的 PTM
train	results_dir	output_dir	当前作业的结果目录
train	train.pretrained_model_path	ptm_if_no_resume_model	不存在恢复训练检查点时使用的 PTM
train	train.resume_training_checkpoint_path	resume_model	从当前作业结果文件夹推断出的模型文件

对于 parent_model 或 parent_model_folder，请将上游 train/export/AutoML 子作业 ID 作为 parent_job_id 传入。SDK 会列出父作业的结果文件夹，筛选检查点文件，并返回选定的模型文件或文件夹。不要将这些映射重新添加到 config.json，也不要修改生成的运行器脚本来猜测检查点路径。

部署

• tao-deploy-image-classification — 使用 TAO Deploy 生成 TensorRT 引擎、进行 TensorRT 评估和 TensorRT 推理的 Classification PyT 部署工作流。