Naic_Reid_Docker

Description

This project is to create running process for official reproduction of naic-reid project docker image. 注意：运行本项目之前，需要提前将预训练模型下载到机器上，预训练模型获取地址 se_resnext50:http://data.lip6.fr/cadene/pretrainedmodels/se_resnext50_32x4d-a260b3a4.pth se_resnext101:http://data.lip6.fr/cadene/pretrainedmodels/se_resnext101_32x4d-3b2fe3d8.pth

Run Method

step 1:Build from Dockerfile

git clone https://<username>:<password>@github.com/absorbguo/naic-reid-reproduce.git
cd naic-reid-reproduce
git clone https://<username>:<password>@github.com/absorbguo/naic-reid-rush-team.git
docker build -t reid:rush-team-unit-test --file Dockerfile.unit-test ./
docker build -t reid:rush-team-train --file Dockerfile.train ./
docker build -t reid:rush-team-test --file Dockerfile.test ./
docker build -t reid:rush-team-rerank --file Dockerfile.rerank ./

step 2:Run Docker for unit test

data_path是本地数据所在地址。 mount_data_path是容器内部挂载的地址。

2 运行单元测试镜像。如果有最终生成文件NAIC2019_unit_test.json生成在answer文件夹中则通过测试。在挂载的根目录下会生成unit-test.log，通过该log进行确认。整个单元测试的时间大约为3小时。

nvidia-docker run --name reid-unit-test -d --rm -v <data_path>:<mount_data_path> --shm-size=20480m reid:rush-team-unit-test

注意:运行完单元测试后请删除model路径下的所有文件。

step 3:Run Docker for train

3 运行训练镜像。过程文件产生在./model中。在挂载的根目录下会生成train.log，通过该log进行确认。整个训练过程在titan V上大概持续45个小时。

nvidia-docker run --name reid-train -d --rm -v <data_path>:<mount_data_path> --shm-size=20480m reid:rush-team-train

step 4:Run Docker for test

4 运行推理镜像。最终文件NAIC2019_5rush_final.json生成在answer文件夹。在挂载的根目录下会生成test.log，通过该log进行确认。整个预测过程在titan V上大概持续2小时。

nvidia-docker run --name reid-test -d --rm -v <data_path>:<mount_data_path> --shm-size=20480m reid:rush-team-test

step 5:Run Docker for rerank

备选步骤 5 如果第4步运行完后没有在answer文件夹下生成最终文件。运行rerank镜像。再次进行rerank，最终文件NAIC2019_5rush_final.json生成在answer文件夹。在挂载的根目录下会生成rerank.log，通过该log进行确认。整个reranking过程持续1小时左右。

nvidia-docker run --name reid-rerank -d --rm -v <data_path>:<mount_data_path> --shm-size=30720m reid:rush-team-rerank