PAI-EasyVision提供图像语义分割模型的训练及预测功能，本文为您介绍如何通过PAI命令进行图像语义分割模型训练。
图像语义分割训练
图像分割组件实现了基于DeepLab-V3的语义分割模型，详情请参见Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation。您可以使用SQL脚本组件进行PAI命令调用，也可以使用MaxCompute客户端或DataWorks的开发节点进行PAI命令调用，详情请参见使用本地客户端（odpscmd）连接或开发ODPS SQL任务。以单卡为例，您可以使用以下示例进行图像语义分割训练。
pai -name easy_vision_ext
-Dbuckets='oss://{bucket_name}.{oss_host}/{path}'
-Darn='acs:ram::*********:role/aliyunodpspaidefaultrole'
-DossHost='{oss_host}'
-DgpuRequired=100
-Dcmd train
-Dparam_config '--model_type DeeplabV3 --backbone resnet_v1_50 --backbone_feature_stride 16 --bn_trainable true --num_classes 21 --num_epochs 1 --model_dir oss://YOUR_BUCKET_NAME/test/test_deeplabv3 --train_data oss://YOUR_BUCKET_NAME/data/test/pascal_voc_seg_aug/voc_ev_train.tfrecord --test_data oss://YOUR_BUCKET_NAME/data/test/pascal_voc_seg_aug/voc_ev_train.tfrecord --num_test_example 2 --train_batch_size 6 --test_batch_size 1 --image_crop_size 513 --lr_type polynomial_decay --initial_learning_rate 0.007 --power 0.9'参数说明
参数 | 是否必选 | 描述 | 参数值格式 | 默认值 |
buckets | 是 | OSS Bucket地址。Bucket必须以正斜线（/）结尾。 | oss://{bucket_name}.{oss_host}/{path} | 无 |
arn | 是 | 访问OSS的授权。您可以登录PAI控制台，在全部产品依赖页面的Designer区域，单击操作列下的查看授权信息，获取arn，具体操作请参见云产品依赖与授权：Designer。 | acs:ram::*:role/AliyunODPSPAIDefaultRole | 无 |
ossHost | 否 | OSS访问域名，详情请参见访问域名和数据中心。 | oss-{region}.aliyuncs.com | 默认从Buckets参数中获取 |
cluster | 否 | 分布式训练参数相关配置。 | JSON格式字符串 | “” |
gpuRequired | 否 | 标识是否使用GPU，默认使用一张卡。如果取值为200，则一个Worker申请2张卡。 | 100 | 100 |
cmd | 是 | EasyVision任务类型。模型训练时，该参数应取值为train。 | train | 无 |
param_config | 是 | 模型训练参数，格式和python argparser参数格式一致，详细说明见param_config说明。 | STRING | 无 |
param_config说明
param_config包含若干模型配置相关参数，格式为Python Argparser，示例如下。
-Dparam_config = '--backbone resnet_v1_50 --num_classes 200 --model_dir oss://YOUR_BUCKET_NAME/exp_dir'所有字符串类型的参数，其取值均不加引号。
参数 | 是否必选 | 描述 | 参数值格式 | 默认值 |
model_type | 是 | 训练模型类型。进行图像语义分割训练时，该参数的取值为DeeplabV3。 | STRING | 无 |
backbone | 是 | 分割模型使用的Backbone，取值包括：
| STRING | 无 |
weight_decay | 否 | L2 Regularization大小。 | FLOAT | 1e-4 |
num_classes | 是 | 分割类别数量（包括背景类）。 | 21 | 无 |
backbone_feature_stride | 否 | 主干网络的特征分辨率（下采样步长）。 | INT，例如8或16。 | 16 |
bn_trainable | 否 | BN是否可以训练，通常train_batch_size大于8时，将该参数配置为true。 | BOOL | true |
image_crop_size | 否 | 图片裁剪后的大小。 | INT | 513 |
optimizer | 否 | 优化方法，取值包括：
| STRING | momentum |
lr_type | 否 | 学习率调整策略，取值包括：
| STRING | exponential_decay |
initial_learning_rate | 否 | 初始学习率。 | FLOAT | 0.01 |
decay_epochs | 否 | 如果使用exponential_decay，该参数对应tf.train.exponential.decay中的decay_steps，系统会自动根据训练数据总数将decay_epochs转换为decay_steps。例如，取值为10，通常是总Epoch数的1/2。如果使用manual_step，该参数表示需要调整学习率的迭代轮数。例如16 18表示在16 Epoch和18 Epoch对学习率进行调整。通常将这两个值配置为总Epoch的8/10和9/10。 | 整数列表，例如20 20 40 60。 | 20 |
decay_factor | 否 | tf.train.exponential.decay中的decay_factor。 | FLOAT | 0.95 |
staircase | 否 | tf.train.exponential.decay中的staircase。 | BOOL | true |
power | 否 | tf.train.polynomial.decay中的power。 | FLOAT | 0.9 |
learning_rates | 否 | manual_step学习率调整策略中使用的参数，表示在指定Epoch中学习率的取值。 如果您指定的调整Epoch有两个，则需要在此指定两个Epoch对应的学习率。例如，如果decay_epoches为20 40，则该将参数配置为0.001 0.0001，表示在20 Epoch学习率调整为0.001，40 Epoch学习率调整为0.0001。建议几次调整的学习率依次为初始学习率的1/10、1/100及1/1000。 | 浮点列表 | 无 |
lr_warmup | 否 | 是否对学习率进行Warmup。 | BOOL | false |
lr_warm_up_epochs | 否 | 学习率Warmup的轮数。 | FLOAT | 1 |
train_data | 是 | 训练数据文件的OSS路径。 | oss://path/to/train_*.tfrecord | 无 |
test_data | 是 | 训练过程中，评估数据的OSS路径。 | oss://path/to/test_*.tfrecord | 无 |
train_batch_size | 是 | 训练的Batch_size。 | INT， 例如32。 | 无 |
test_batch_size | 是 | 评估的Batch_size。 | INT，例如32。 | 无 |
train_num_readers | 否 | 训练数据并发读取线程数。 | INT | 4 |
model_dir | 是 | 训练使用的OSS目录。 | oss://path/to/model | 无 |
pretrained_model | 否 | 预训练模型的OSS路径。如果指定该参数值，则会在此模型基础上进行Finetune。 | oss://examplebucket/pretrained_models/inception_v4.ckpt | “” |
use_pretrained_model | 否 | 是否使用预训练模型。 | BOOL | true |
num_epochs | 是 | 训练迭代轮数。取值1表示对所有训练数据都进行一次迭代。 | INT，例如40。 | 无 |
num_test_example | 否 | 训练过程中评估数据条目数。取值 -1表示使用所有测试数据作为评估数据。 | INT，例如2000。 | -1 |
num_visualizations | 否 | 评估过程可视化显示的样本数量。 | INT | 10 |
save_checkpoint_epochs | 否 | 保存Checkpoint的频率，以Epoch为单位。取值为1表示每完成一次训练就保存一次Checkpoint。 | INT | 1 |
save_summary_epochs | 否 | 保存Summary的频率，以Epoch为单位。取值为0.01表示每迭代1%的训练数据就保存一次Summary。 | FLOAT | 0.01 |
num_train_images | 否 | 总的训练样本数。如果使用自己生成的TFRecord，则需要指定该参数。 | INT | 0 |
label_map_path | 否 | 类别映射文件。如果使用自己生成的TFRecord，则需要指定该参数。 | STRING | ”” |