모드 분대

Mod-Squad: 전문가 조합을 모듈식 다중 작업 학습자로 설계

이것은 Mod-Squad: Designing Mixtures of Experts As Modular Multi-Task Learners 논문의 PyTorch/GPU 구현입니다.

 @article{chen2022modsquad,
            title={Mod-Squad: Designing Mixtures of Experts As Modular Multi-Task Learners},
            author={Zitian Chen and Yikang Shen and Mingyu Ding and Zhenfang Chen and Hengshuang Zhao and Erik Learned-Miller and Chuang Gan},
            journal={CVPR},
            year={2023}
}

• 구현은 Pytorch==1.10.2를 기반으로 했으며 powerpc 서버에서 테스트되었습니다.

준비하다

데이터세트: 태스크노미(Taskonomy)

작은 하위 집합에서 다운로드하는 예

 omnitools.download class_object class_scene depth_euclidean depth_zbuffer edge_occlusion edge_texture keypoints2d keypoints3d nonfixated_matches normal points principal_curvature reshading rgb segment_semantic segment_unsup2d segment_unsup25d --components taskonomy --subset tiny --dest ./taskonomy_tiny/   --connections_total 40 --agree --name [your name] --email [your email]

./data에 데이터를 넣어주세요

기본 모델은 ./work_dir에 저장되고, 로그는 ./log_dir에 저장됩니다.

환경: timm==0.3.2 pytorch==1.10.2

MoE 모듈 설치:

 cd parallel_linear
pip3 install .

기차

 python -m torch.distributed.launch --nnodes=1 --nproc_per_node=2 --master_port 44875 main_mt.py 
        --batch_size 6 
        --epochs 100 
        --input_size 224 
        --blr 4e-4 --weight_decay 0.05 
        --warmup_epochs 10 
        --model mtvit_taskgate_att_mlp_base_MI_twice 
        --drop_path 0.1 
        --scaleup 
        --exp-name scaleup_mtvit_taskgate_att_mlp_base_MI_twice