「这是我参与2022首次更文挑战的第6天，活动详情查看：2022首次更文挑战」。
本文将会带你使用MegEngine框架快速复现RepVGG，请确保你对pytorch等至少一个深度学习训练框架足够了解。
为什么要复现论文
为什么要（使用其他框架）复现论文？
- 赛题限定了框架，比如各大深度学习框架公司发起的比赛（奖金在召唤），不得不用；
- 导师要求使用其他框架复现论文，不得不复现；
- 白嫖算力，各大框架的公司为了推广自己的框架会提供一些线上的算力支持，比如百度的AIStudio、旷视的MegStudio、华为的ModelArts等；
- 深入理解论文，提升编程能力，论文复现带能够提升对论文的理解程度和细节的关注程度，同时对框架源码的理解程度和编程能力的提升也有所帮助。
准备工作
当我们决定要快速复现一篇论文时，我们应该做什么呢？
- 数据集/源码：该篇论文所使用的的数据集/源码是否是开源的，或者是否能向作者申请到；
- 论文：至少要读过一遍论文，知道该工作基于什么（引用了之前的什么工作，比如主干使用了ResNet，neck使用了FPN等，这点有助于我们更快速的复现论文，避免造轮子），有什么创新和贡献等；
- 源码：大概看一下，了解代码结构，有什么复现难点（比如论文使用了cuda编写的算子，这就需要你自己改写编译，构建到模型中，了解难点有助于我们分配优先级，及时止损）
- 环境配置：将官方代码所需的环境和复现所需环境配置好，各个框架安装方式在官网都有教程；
- 框架：各个框架都有快速入门教程，大致阅读一下，了解简单的api，比如tensor的创建、数据类型的声明（比如torch使用
torch.float，Paddle使用'float32'，MegEngine使用np.float32）、组网的基类（nn.Moudle,nn.Layer,M.moudle）等； - 训练模板：各个框架官方都有modelhub、modelzoo之类的仓库，或者是一些开发套件，诸如pytorch的mmcv系列（mmdetection、mmsegmentation、mmclassification等等等），paddle的paddledetection，paddleseg等等，megengine的basecls，我们需要找到与复现论文相近的任务和数据集（比如图像分类和ImageNet）的训练代码，备好以便后续修改使用；
- API文档：需要同时打开源码所使用的框架和目标框架的API文档，即用即查，务必保持对齐，“对齐”是论文复现的关键，包括模型结构对齐、loss对齐、优化器对齐、学习率对齐、训练策略对齐等等等，当然可以根据自身进行选择。
get started
既然知道了做什么接下来便开始行动吧。
RepVGG（github.com/DingXiaoH/R…）及其数据集ImageNet都是开源的，论文阅读笔记在之前的博客有所介绍，可惜的是RepVGG没有使用之前的工作，如ResNet等（不然就可以直接ctrl c v了），还好源码较为简单，难度不是很大。
训练模板也在MegEngine官方提供的Modles仓库中找到，本文将使用resnet的训练代码，后续按照需要修改。
同时打开了pytorch的官方文档和MegEngine的官方文档。
万事俱备，下一篇博客将会介绍模型的复现过程。
