在上一篇博客当中，我们介绍了如何安装与配置OpenSelfSup
在本片博客中，我们将介绍如何快速入门OpenSelfSup自监督库
如果你对于之前的预备工作有疑问，请参考这篇博文
入门
本页提供有关OpenSelfSup用法的基本教程，如果想要了解更多内容，如在单台计算机上启动多个作业等，请参考官方文档GETTING_STARTED.md。
注意：配置文件中的默认学习率是8个GPU（configs/linear_classification使用1个GPU的除外）。如果使用不同数量的GPU，则总批次大小将成比例变化，您必须调整学习率new_lr = old_lr * new_ngpus / old_ngpus。我们建议tools/dist_train.sh即使在1 gpu的情况下也要使用，因为某些方法不支持非分布式训练。
使用单个/多个GPU进行训练
bash tools/dist_train.sh ${CONFIG_FILE} ${GPUS} [optional arguments]
可选参数为：
--resume_from ${CHECKPOINT_FILE}：从先前的检查点文件恢复。--pretrained ${PRETRAIN_WEIGHTS}：为backbone加载预训练的权重。--deterministic：打开“确定性”模式，这会减慢训练速度，但结果可重复。GPUS是指可用显卡的块数。
一个例子：
# checkpoints and logs saved in WORK_DIR=work_dirs/selfsup/odc/r50_v1/
bash tools/dist_train.sh configs/selfsup/odc/r50_v1.py 2
注意：在训练过程中，检查点和日志与下的配置文件保存在相同的文件夹结构中work_dirs/。不建议使用自定义工作目录，因为评估脚本会从配置文件名推断出工作目录。如果您想将重量保存在其他地方，请使用符号链接，例如：
ln -s / DATA / xhzhan / openselfsup_workdirs $ {OPENSELFSUP} / work_dirs
基准测试
我们提供了几种标准基准来评估表征学习。如果要在出版物中使用此存储库，建议不要更改下面提到的用于评估的配置文件或脚本。我们希望所有方法都能得到公平的比较。
VOC07 Linear SVM & Low-shot Linear SVM
# test by epoch
bash benchmarks/dist_test_svm_epoch.sh ${CONFIG_FILE} ${EPOCH} ${FEAT_LIST} ${GPUS}
# test pretrained model
bash benchmarks/dist_test_svm_pretrain.sh ${CONFIG_FILE} ${PRETRAIN} ${FEAT_LIST} ${GPUS}
# test random init
bash benchmarks/dist_test_svm_pretrain.sh ${CONFIG_FILE} "random" ${FEAT_LIST} ${GPUS}
bash benchmarks/dist_test_svm_epoch.sh configs/selfsup/odc/r50_v1.py "random" feat5 2
