Third party test

gen_names.sh

@@ -0,0 +1,66 @@
+#!/bin/bash
+for subdir in "cv/classification"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+	if [[ "$dirname" == "data" || "$dirname" == "configs" ]]; then
+            continue
+        fi
+        echo "基于$dirname的图像分类模型测试"
+    fi
+done
+
+for subdir in "cv/detection"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+        echo "基于$dirname的目标检测模型测试"
+    fi
+done
+
+for subdir in "cv/segment"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+        echo "基于$dirname的实体分割模型测试"
+    fi
+done
+
+for subdir in "cv/Face_Recognition"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+	if [[ "$dirname" == "backbones" || "$dirname" == "configs" ]]; then
+            continue
+        fi
+	if [[ "$dirname" == "eval" || "$dirname" == "tools" ]]; then
+            continue
+        fi
+	if [[ "$dirname" == "utils" ]]; then
+            continue
+        fi
+        echo "基于$dirname的人脸识别模型测试"
+    fi
+done
+
+# cv/Neural_Style_Transfer
+echo "基于神经网络风格迁移模型测试"
+
+for subdir in "nlp/libai"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+        echo "基于$dirname的自然语言模型测试"
+    fi
+done
+
+# nlp/text_classfication
+echo "基于transformer的文本分类模型测试"
+
+
+for subdir in "science"/*/; do
+    if [ -d "$subdir" ]; then
+        dirname=$(basename "$subdir")
+        echo "基于$dirname的科学计算模型测试"
+    fi
+done
+
+
+
+
+

model_test_list.txt

@@ -0,0 +1,211 @@
+基于alexnet的图像分类模型测试
+基于cait_M36_384的图像分类模型测试
+基于cait_M48_448的图像分类模型测试
+基于cait_S24_224的图像分类模型测试
+基于cait_S24_384的图像分类模型测试
+基于cait_S36_384的图像分类模型测试
+基于cait_XS24_384的图像分类模型测试
+基于convmixer_1024_20的图像分类模型测试
+基于convmixer_1536_20的图像分类模型测试
+基于convmixer_768_32_relu的图像分类模型测试
+基于convnext_tiny_224的图像分类模型测试
+基于crossformer_b的图像分类模型测试
+基于crossformer_l的图像分类模型测试
+基于crossformer_s的图像分类模型测试
+基于crossformer_t的图像分类模型测试
+基于deit_3_base_384_1k的图像分类模型测试
+基于deit_base_distilled_patch16_224的图像分类模型测试
+基于deit_base_distilled_patch16_384的图像分类模型测试
+基于deit_base_patch16_224的图像分类模型测试
+基于deit_base_patch16_384的图像分类模型测试
+基于deit_base_patch16_LS_224的图像分类模型测试
+基于deit_base_patch16_LS_224_in21k的图像分类模型测试
+基于deit_base_patch16_LS_384_in21k的图像分类模型测试
+基于deit_huge_patch14_LS_224的图像分类模型测试
+基于deit_huge_patch14_LS_224_in21k的图像分类模型测试
+基于deit_large_patch16_LS_224的图像分类模型测试
+基于deit_large_patch16_LS_384的图像分类模型测试
+基于deit_large_patch16_LS_384_in21k的图像分类模型测试
+基于deit_small_distilled_patch16_224的图像分类模型测试
+基于deit_small_patch16_224的图像分类模型测试
+基于deit_small_patch16_LS_224的图像分类模型测试
+基于deit_small_patch16_LS_224_in21k的图像分类模型测试
+基于deit_small_patch16_LS_384的图像分类模型测试
+基于deit_small_patch16_LS_384_in21k的图像分类模型测试
+基于deit_tiny_distilled_patch16_224的图像分类模型测试
+基于deit_tiny_patch16_224的图像分类模型测试
+基于densenet121的图像分类模型测试
+基于densenet161的图像分类模型测试
+基于densenet169的图像分类模型测试
+基于densenet201的图像分类模型测试
+基于dla102的图像分类模型测试
+基于dla102x的图像分类模型测试
+基于dla102x2的图像分类模型测试
+基于dla169的图像分类模型测试
+基于dla34的图像分类模型测试
+基于dla46_c的图像分类模型测试
+基于dla46x_c的图像分类模型测试
+基于dla60的图像分类模型测试
+基于dla60x的图像分类模型测试
+基于dla60x_c的图像分类模型测试
+基于efficientnet_b0的图像分类模型测试
+基于efficientnet_b1的图像分类模型测试
+基于efficientnet_b2的图像分类模型测试
+基于efficientnet_b3的图像分类模型测试
+基于efficientnet_b4的图像分类模型测试
+基于efficientnet_b5的图像分类模型测试
+基于efficientnet_b6的图像分类模型测试
+基于efficientnet_b7的图像分类模型测试
+基于fan_base_16_p4_hybrid_in22k_1k_384的图像分类模型测试
+基于fan_base_18_p16_224的图像分类模型测试
+基于fan_hybrid_base的图像分类模型测试
+基于fan_hybrid_base_in22k_1k的图像分类模型测试
+基于fan_hybrid_small的图像分类模型测试
+基于fan_hybrid_tiny的图像分类模型测试
+基于fan_large_16_p4_hybrid_in22k_1k的图像分类模型测试
+基于fan_large_16_p4_hybrid_in22k_1k_384的图像分类模型测试
+基于fan_vit_small的图像分类模型测试
+基于fan_vit_tiny的图像分类模型测试
+基于genet_large的图像分类模型测试
+基于genet_normal的图像分类模型测试
+基于genet_small的图像分类模型测试
+基于ghostnet的图像分类模型测试
+基于gmlp_s16_224的图像分类模型测试
+基于googlenet的图像分类模型测试
+基于hrnet_w18的图像分类模型测试
+基于hrnet_w18_small的图像分类模型测试
+基于hrnet_w18_small_v2的图像分类模型测试
+基于hrnet_w30的图像分类模型测试
+基于hrnet_w32的图像分类模型测试
+基于hrnet_w40的图像分类模型测试
+基于hrnet_w44的图像分类模型测试
+基于hrnet_w48的图像分类模型测试
+基于hrnet_w64的图像分类模型测试
+基于inception_v3的图像分类模型测试
+基于levit_128的图像分类模型测试
+基于mlp_mixer_b16_224的图像分类模型测试
+基于mlp_mixer_l16_224的图像分类模型测试
+基于mnasnetx0_5的图像分类模型测试
+基于mnasnetx0_75的图像分类模型测试
+基于mnasnetx1_0的图像分类模型测试
+基于mnasnetx1_3的图像分类模型测试
+基于mobilenet_v2的图像分类模型测试
+基于mobilenet_v3_large的图像分类模型测试
+基于mobilenet_v3_small的图像分类模型测试
+基于poolformer_m36的图像分类模型测试
+基于poolformer_m48的图像分类模型测试
+基于poolformer_s12的图像分类模型测试
+基于poolformer_s24的图像分类模型测试
+基于poolformer_s36的图像分类模型测试
+基于pvt_large的图像分类模型测试
+基于pvt_medium的图像分类模型测试
+基于pvt_small的图像分类模型测试
+基于pvt_tiny的图像分类模型测试
+基于__pycache__的图像分类模型测试
+基于regionvit_base_224的图像分类模型测试
+基于regnet_x_16gf的图像分类模型测试
+基于regnet_x_1_6gf的图像分类模型测试
+基于regnet_x_32gf的图像分类模型测试
+基于regnet_x_3_2gf的图像分类模型测试
+基于regnet_x_400mf的图像分类模型测试
+基于regnet_x_800mf的图像分类模型测试
+基于regnet_x_8gf的图像分类模型测试
+基于regnet_y_16gf的图像分类模型测试
+基于regnet_y_1_6gf的图像分类模型测试
+基于regnet_y_32gf的图像分类模型测试
+基于regnet_y_3_2gf的图像分类模型测试
+基于regnet_y_400mf的图像分类模型测试
+基于regnet_y_800mf的图像分类模型测试
+基于regnet_y_8gf的图像分类模型测试
+基于res2net101_26w_4s的图像分类模型测试
+基于res2net50_14w_8s的图像分类模型测试
+基于res2net50_26w_4s的图像分类模型测试
+基于res2net50_26w_6s的图像分类模型测试
+基于res2net50_26w_8s的图像分类模型测试
+基于res2net50_48w_2s的图像分类模型测试
+基于resnest101的图像分类模型测试
+基于resnest200的图像分类模型测试
+基于resnest269的图像分类模型测试
+基于resnest50的图像分类模型测试
+基于resnet101的图像分类模型测试
+基于resnet152的图像分类模型测试
+基于resnet18的图像分类模型测试
+基于resnet34的图像分类模型测试
+基于resnet50的图像分类模型测试
+基于resnext101_32x8d的图像分类模型测试
+基于resnext50_32x4d的图像分类模型测试
+基于rexnet_lite_1_0的图像分类模型测试
+基于rexnet_lite_1_3的图像分类模型测试
+基于rexnet_lite_1_5的图像分类模型测试
+基于rexnet_lite_2_0的图像分类模型测试
+基于rexnetv1_1_0的图像分类模型测试
+基于rexnetv1_1_3的图像分类模型测试
+基于rexnetv1_1_5的图像分类模型测试
+基于rexnetv1_2_0的图像分类模型测试
+基于rexnetv1_3_0的图像分类模型测试
+基于senet154的图像分类模型测试
+基于se_resnet101的图像分类模型测试
+基于se_resnet152的图像分类模型测试
+基于se_resnet50的图像分类模型测试
+基于se_resnext101_32x4d的图像分类模型测试
+基于se_resnext50_32x4d的图像分类模型测试
+基于shufflenet_v2x0_5的图像分类模型测试
+基于shufflenet_v2x1_0的图像分类模型测试
+基于shufflenet_v2x1_5的图像分类模型测试
+基于shufflenet_v2x2_0的图像分类模型测试
+基于squeezenet1_0的图像分类模型测试
+基于squeezenet1_1的图像分类模型测试
+基于van_base的图像分类模型测试
+基于vgg11的图像分类模型测试
+基于vgg11_bn的图像分类模型测试
+基于vgg13的图像分类模型测试
+基于vgg13_bn的图像分类模型测试
+基于vgg16的图像分类模型测试
+基于vgg16_bn的图像分类模型测试
+基于vgg19的图像分类模型测试
+基于vgg19_bn的图像分类模型测试
+基于vit_base_patch16_224的图像分类模型测试
+基于vit_base_patch16_224_miil的图像分类模型测试
+基于vit_base_patch16_224_sam的图像分类模型测试
+基于vit_base_patch16_384的图像分类模型测试
+基于vit_base_patch32_224的图像分类模型测试
+基于vit_base_patch32_224_sam的图像分类模型测试
+基于vit_base_patch32_384的图像分类模型测试
+基于vit_base_patch8_224的图像分类模型测试
+基于vit_large_patch16_224的图像分类模型测试
+基于vit_large_patch16_384的图像分类模型测试
+基于vit_large_patch32_384的图像分类模型测试
+基于vit_small_patch16_224的图像分类模型测试
+基于vit_small_patch16_384的图像分类模型测试
+基于vit_small_patch32_224的图像分类模型测试
+基于vit_small_patch32_384的图像分类模型测试
+基于vit_tiny_patch16_224的图像分类模型测试
+基于vit_tiny_patch16_384的图像分类模型测试
+基于fasterrcnn_mobilenet_v3_large_320_fpn的目标检测模型测试
+基于fasterrcnn_mobilenet_v3_large_fpn的目标检测模型测试
+基于fasterrcnn_resnet50_fpn的目标检测模型测试
+基于fcos_resnet50_fpn的目标检测模型测试
+基于maskrcnn_resnet50_fpn的目标检测模型测试
+基于retinanet_resnet50_fpn的目标检测模型测试
+基于ssd300_vgg16的目标检测模型测试
+基于ssdlite320_mobilenet_v3_large的目标检测模型测试
+基于deeplabv3_mobilenet_v3_large_coco的实体分割模型测试
+基于deeplabv3_resnet101_coco的实体分割模型测试
+基于deeplabv3_resnet50_coco的实体分割模型测试
+基于fcn_resnet101_coco的实体分割模型测试
+基于fcn_resnet50_coco的实体分割模型测试
+基于lraspp_mobilenet_v3_large_coco的实体分割模型测试
+基于iresnet101的人脸识别模型测试
+基于iresnet50的人脸识别模型测试
+基于神经网络风格迁移模型测试
+基于Bert的自然语言模型测试
+基于gpt2的自然语言模型测试
+基于ResMLP的自然语言模型测试
+基于RoBERTa的自然语言模型测试
+基于SwinTransformer的自然语言模型测试
+基于SwinTransformerV2的自然语言模型测试
+基于T5的自然语言模型测试
+基于VisionTransformer的自然语言模型测试
+基于transformer的文本分类模型测试
+基于ldc的科学计算模型测试
+基于lorenz_system的科学计算模型测试

test/Dockerfile

@@ -0,0 +1,20 @@
+FROM oneflowinc/oneflow:0.9.1.dev20240203-cuda11.8
+
+RUN python3 -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
+
+COPY requirements.txt /tmp/requirements.txt
+RUN python3 -m pip install --no-cache-dir -r /tmp/requirements.txt
+
+RUN python3 -m pip install --pre oneflow -f https://oneflow-staging.oss-cn-beijing.aliyuncs.com/branch/master/cu118
+
+WORKDIR /workspace
+
+RUN rm /tmp/requirements.txt
+
+RUN apt-get update && apt-get install -y git \
+    && rm -rf /var/lib/apt/lists/*
+
+RUN git clone https://github.com/Oneflow-Inc/libai.git /opt/libai \
+    && cd /opt/libai \
+    && pip3 install -r requirements.txt \
+    && pip3 install -e /opt/libai

test/README.md

@@ -0,0 +1,36 @@
+## 文件说明
+```
+.
+├── README.md
+├── requirements.txt  # 构建镜像所需的依赖
+├── Dockerfile        # 定义Docker镜像内容的文本文件
+├── build.sh          # 构建镜像命令
+├── launch.sh         # 启动容器命令
+├── cv_cls_test.sh    # 测试计算机视觉相关的分类模型
+├── cv_det_test.sh    # 测试计算机视觉相关的检测模型
+├── cv_face_test.sh   # 测试计算机视觉相关的人脸识别模型
+├── cv_neu_test.sh    # 测试计算机视觉相关的风格转换模型
+├── nlp_libai_test.sh # 测试自然语言相关OneFlow Libai中的模型
+├── nlp_test.sh       # 测试自然语言相关的模型
+└── science_test.sh   # 测试科学计算相关的模型
+
+```
+下面只解释其中一个测试脚本，其它脚本，参数和使用方法相同。
+## cv_cls_test.sh
+
+### 介绍
+`cv_cls_test.sh` 是一个用于处理 `cv/classification` 目录下子目录的 Bash 脚本。根据用户提供的参数，该脚本可以对所有子目录、随机选取的子目录或前 n 个子目录进行操作。
+
+### 脚本功能
+1. **复制子目录**：将指定的子目录内容复制到 `/workspace/temp_model` 目录下。
+2. **进入工作目录**：进入 `/workspace/temp_model` 目录。
+3. **运行脚本**：执行该目录下的脚本（`infer.sh`缺省脚本）。
+
+### 使用方法
+
+```bash
+./cv_cls_test.sh {all|random|n} {infer.sh|train.sh}
+
+build.sh        cv_face_test.sh  launch.sh          README.md
+cv_cls_test.sh  cv_neu_test.sh   nlp_libai_test.sh  requirements.txt
+cv_det_test.sh  Dockerfile       nlp_test.sh        science_test.sh

test/build.sh

@@ -0,0 +1,5 @@
+#!/bin/bash
+IMAGE_NAME="oneflow_comodels_test:0.1"
+
+docker build -t $IMAGE_NAME .
+