拜读了VIT以及TNT以及Swin-Transformer 的论文，结合B站up主的分析，
预感Swin-Transformer具有ResNet似的跨里程碑式的意义，
因此学习Swin-Transformer源码及其使用，记录如下。
Run
Swin-T
python -m torch.distributed.launch --nproc_per_node 2 --master_port 12345 main.py --cfg configs/swin/swin_tiny_patch4_window7_224.yaml --data-path data --batch-size 128
Swin-S
python -m torch.distributed.launch --nproc_per_node 2 --master_port 12345 main.py --cfg configs/swin/swin_small_patch4_window7_224.yaml --data-path data --batch-size 128
Swin-B
python -m torch.distributed.launch --nproc_per_node 2 --master_port 12345 main.py --cfg configs/swin/swin_base_patch4_window7_224.yaml --data-path data --batch-size 64 --accumulation-steps 2
上述命令中，
--nproc_per_node 为指定gpu数量，
--master_port 为指定端口号
--cfg 为指定配置yaml文件，该文件中参数较为重要，如下图所示
--data_path 为数据集路径，需要将数据集命名为 train 和 val
--batch_size 为批次大小
config.py
_C.MODEL.RESUME 该参数比较重要，为预训练模型的路径
_C.MODEL.NUM_CLASSES 为分类类别数