Vision有效性验证 - 完善Vision下的训练项目

[rentainhe]

目前Vision下已经有的一个可以参考的projects，迁移了Swin-T的训练代码，用于Vision下进行模型的训练，但是vision中绝大部分模型的精度复现还无法保证，所以这里开启一个完善训练的projects: 用于复现vision下实现的模型的精度，并且在后续逐渐将vision下迁移的权重替换为oneflow自身训练的权重，这里是暂时的规划，需要2-3位实习生参与完成:

可参考的projects:

• https://github.com/rwightman/pytorch-image-models
• https://github.com/microsoft/Swin-Transformer

训练的任务，以及首批需要复现精度的模型:

• 完善Vision下的这个projects: - https://github.com/Oneflow-Inc/vision/tree/main/projects/classification, 熟悉这个projects的用法（与Swin-T基本一致）
• 这里我们列举一下第一阶段在vision下需要复现精度的模型以及相关paper:

Model	Paper	认领人	PR
ResNet50	ResNet strikes back: An improved training procedure in timm	林松
DeiT	Training data-efficient image transformers & distillation through attention
Swin-Transformer	Swin Transformer: Hierarchical Vision Transformer using Shifted Windows	林德铝
DeiT III	DeiT III: Revenge of ViT

• 需要的硬件条件：8卡V100机器，能跑得下单卡256batchsize即可