mmdetection2 config详解

最新推荐文章于 2026-05-28 14:09:08 发布
原创 最新推荐文章于 2026-05-28 14:09:08 发布 · 1k 阅读 · 12 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
PyTorch

当前文章被收录于：

PyTorch
2 篇文章 0 人学习

pytorch笔记，排错等

订阅专栏 查看详情

官方文档config详情：https://mmdetection.readthedocs.io/en/latest/tutorials/config.html

1、配置文件结构

在config/_base_文件夹下面总共有4个基础的组件，它们分别是：dataset、model、schedule、default_runtime。

2、配置文件命名风格

{model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[gpu x batch_per_gpu]_{schedule}_{dataset}

{xxx}是必选项，[yyy]是可选项

  • {model}:模型的类型 ，例如faster_rcnn、mask_rcnn 等等.
  • [model setting]: 给模型一些指定设置, 例如without_semantic for htc、moment for reppoints等等.
  • {backbone}: backbone 的类型 r50 (ResNet-50), x101 (ResNeXt-101)。（相当于特征提取网络）
  • {neck}: neck 的类型选择，例如fpn,pafpn, nasfpn,c4.
  • [norm_setting]: 如果没有指定，那就默认为bn (Batch Normalization) , 还有其他可选的norm layer类型，比如 gn (Group Normalization)、syncbn (Synchronized Batch Normalization). gn-head/gn-neck表示 GN 仅仅被用在head/neck模块上, gn-all 表示 GN 被用在整个模型上, 例如：backbone, neck, head这些模块。
  • [misc]: 一些比较杂的模型设置或者插件，例如 dconv, gcb, attention, albu, mstrain.
  • [gpu x batch_per_gpu]: GPU的个数以及每块GPU上的batch size大小，默认为8*2(8块GPU，每块GPU上2个batch size，相当于batch size为16)。
  • {schedule}: 训练的 schedule, 可选择的有1x, 2x, 20e等等. 1x 和 2x 分别表示 12 个epochs 和 24个epochs。 20e 被用在 cascade models中,它表示20个epochs. 对于1x/2x而言, 初始的学习率分别在第8/16个epeochs和第11/22个epochs以10的倍率递减。对于20e而言,初始的学习率在第16个epeochs和第19个epochs以10的倍率。
  • {dataset}: 数据集有coco, cityscapes, voc_0712, wider_face这些选项。

3、faster_rcnn_r50_fpn_2x.py

首先介绍一下这个配置文件所描述的框架，它是基于resnet50的backbone，有着5个fpn特征层的faster-RCNN目标检测网络，训练迭代次数为标准的24次epoch。

# 模型配置
model = dict(
    # model类型
    type='FasterRCNN',
    # 预训练模型：resnet50
    pretrained='torchvision://resnet50',
    backbone=dict(
        # backbone类型
        type='ResNet', 
        # 网络层数
        depth=50,
        # resnet的stage数量
        num_stages=4,
        # 输出的stage的序号
        out_indices=(0, 1, 2, 3),
        # 冻结的stage数量，即该stage不更新参数，-1表示所有的stage都更新参数
        frozen_stages=1,
        # normalization layers的配置,type 为norm layer的类型, 通常是 BN or GN，requires_grad参数是否训练BN中的gamma和beta参数
        norm_cfg=dict(type='BN', requires_grad=True),
        # 是否冻结BN中的统计信息（相当于模型eval的过程，不进行统计数据）
        norm_eval=True,
        # 网络风格：如果设置pytorch，则stride为2的层是conv3x3的卷积层；如果设置caffe，则stride为2的层是第一个conv1x1的卷积层
        style='pytorch'),
    neck=dict(
        # neck类型
        type='FPN',
        # 输入的各个stage的通道数
        in_channels=[256, 512, 1024, 2048],
        # 输出的特征层的通道数
        out_channels=256,
        # 输出的特征层的数量
        num_outs=5),
    rpn_head=dict(
        # RPN网络类型
        type='RPNHead',
        # RPN网络的输入通道数
        in_channels=256,
        # 特征层的通道数
        feat_channels=256,
        # 生成anchor的配置
        anchor_generator=dict(
            # 绝大多数都是用AnchorGenerator, SSD 检测器(单阶段的目标检测算法)使用的是SSDAnchorGenerator
            type='AnchorGenerator',
             # anchor的生成个数, 特征图上每一个位置所生成的anchor个数为scale * base_sizes
            scales=[8],
            # anchor的宽高比率.
            ratios=[0.5, 1.0, 2.0],
           # 在每个特征层上的anchor的步长（对应于原图）
            strides=[4, 8, 16, 32, 64]),
        bbox_coder=dict(
            type='DeltaXYWHBBoxCoder',
            # 均值
            target_means=[0.0, 0.0, 0.0, 0.0],
            # 方差
            target_stds=[1.0, 1.0, 1.0, 1.0]),
            # 分类损失函数配置
        loss_cls=dict(
            # 也提供FocalLoss等损失函数
            type='CrossEntropyLoss', 
            # 是否使用sigmoid来进行分类，如果False则使用softmax来分类
            use_sigmoid=True, 
            # 分类分支所占权重
            loss_weight=1.0),
            # box回归分支的损失函数配置.
        loss_bbox=dict(
            type='L1Loss', loss_weight=1.0)),
    # RoIHead 封装了二阶段检测器的第二阶段的模块
    roi_head=dict(
        # RoI head的类型
        type='StandardRoIHead',
        # RoI feature extractor 用于 bbox regression.
        bbox_roi_extractor=dict(
            # 类型，大部分默认
            type='SingleRoIExtractor',
            roi_layer=dict(
                # 同时还支持DeformRoIPoolingPack 和 ModulatedDeformRoIPoolingPack这两种类型.
                type='RoIAlign', 
                # feature maps的输出尺度，相当于输出7*7.
                output_size=7, 
                # 提取ROI特征层时的样本比例，0表示自适应
                sampling_ratio=0),
            # 提取特征的输出通道数
            out_channels=256,
            # 多尺度特征图的步幅
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=dict(
            # 全连接层类型
            type='Shared2FCBBoxHead',
            # 输入通道数
            in_channels=256,
            # 全连接层输出通道数
            fc_out_channels=1024,
            # ROI特征层尺寸
            roi_feat_size=7,
            # 分类器数量，改自己数据集时修改
            num_classes=1,
            # 同上
            bbox_coder=dict(
                type='DeltaXYWHBBoxCoder',
                target_means=[0.0, 0.0, 0.0, 0.0],
                target_stds=[0.1, 0.1, 0.2, 0.2]),
            # 是否采用class_agnostic的方式来预测，class_agnostic表示输出bbox时只考虑其是否为前景，后续分类的时候再根据该bbox在网络中的类别得分来分类，也就是说一个框可以对应多个类别
            reg_class_agnostic=False,
            # 同上
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='L1Loss', loss_weight=1.0))))
train_cfg = dict(
    rpn=dict(
        assigner=dict(
            # RPN网络的正负样本划分
            type='MaxIoUAssigner',
            # 正样本的iou阈值
            pos_iou_thr=0.7,
            # 负样本的iou阈值
            neg_iou_thr=0.3,
            # 正样本的iou最小值。如果assign给ground truth的anchors中最大的IOU低于0.3，则忽略所有的anchors，否则保留最大IOU的anchor
            min_pos_iou=0.3,
            # 是否匹配低质量anchor
            match_low_quality=True,
            # 忽略bbox的阈值，当ground truth中包含需要忽略的bbox时使用，-1表示不忽略
            ignore_iof_thr=-1),
        sampler=dict(
            # 正负样本提取器类型
            type='RandomSampler',
            # 需提取的正负样本数量
            num=256,
            # 正样本比例
            pos_fraction=0.5,
            # 最大负样本比例，大于该比例的负样本忽略，-1表示不忽略
            neg_pos_ub=-1,
            # 把ground truth加入proposal作为正样本
            add_gt_as_proposals=False),
        # 不允许允许在bbox周围外扩一定的像素，0表示允许
        allowed_border=-1,
        # 正样本权重，-1表示不改变原始的权重
        pos_weight=-1,
        # debug模式
        debug=False),
    # 在训练过程中生成proposals的配置
    rpn_proposal=dict(
        # 在所有的fpn层内做nms
        nms_across_levels=False,
        # 在NMS之前的box个数
        nms_pre=2000,
        # NMS处理后保留的box个数
        nms_post=1000,
        # NMS处理之后所使用的box个数
        max_num=1000,
        # NMS过程所使用的阈值
        nms_thr=0.7,
        # 允许的最小的box尺寸
        min_bbox_size=0),
    rcnn=dict(
        assigner=dict(
            # RCNN网络正负样本划分
            type='MaxIoUAssigner',
            # 正样本的iou阈值
            pos_iou_thr=0.5,
            # 负样本的iou阈值
            neg_iou_thr=0.5,
            # 正样本的iou最小值。如果assign给ground truth的anchors中最大的IOU低于0.3，则忽略所有的anchors，否则保留最大IOU的anchor
            min_pos_iou=0.5,
            match_low_quality=False,
            # 忽略bbox的阈值，当ground truth中包含需要忽略的bbox时使用，-1表示不忽略
            ignore_iof_thr=-1),
        sampler=dict(
            # 正负样本提取器类型
            type='RandomSampler',
            # 需提取的正负样本数量
            num=512,
            # 正样本比例
            pos_fraction=0.25,
            # 最大负样本比例，大于该比例的负样本忽略，-1表示不忽略
            neg_pos_ub=-1,
            # 把ground truth加入proposal作为正样本
            add_gt_as_proposals=True),
        # 正样本权重，-1表示不改变原始的权重
        pos_weight=-1,
        # debug模式
        debug=False))
test_cfg = dict(
    # 推断时的RPN参数
    rpn=dict(
        nms_across_levels=False,
        # 在nms之前保留的的得分最高的proposal数量
        nms_pre=1000,
        # 在nms之后保留的的得分最高的proposal数量
        nms_post=1000,
        # 在后处理完成之后保留的proposal数量
        max_num=1000,
        # nms阈值
        nms_thr=0.7,
        # 最小bbox尺寸
        min_bbox_size=0),
    rcnn=dict(
        score_thr=0.05,
        # soft-nms is also supported for rcnn testing
        nms=dict(type='nms', iou_threshold=0.5),
        max_per_img=100))
# 数据集类型
dataset_type = 'CocoDataset'                
# 数据集根目录
data_root = '/home/shawn/MyDataset/'                   
# 输入图像初始化，减去均值mean并处以方差std，to_rgb表示将bgr转为rgb
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)

# Datasets配置
# 训练的pipeline，数据增强
train_pipeline = [
    # 从文件读取图像
    dict(type='LoadImageFromFile'),
    # 用于给图像导入对于的标签，并使用bounding box标签数据
    dict(type='LoadAnnotations', with_bbox=True),
    # Resize图片并保持比例
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    # 图像反转以及比率
    dict(type='RandomFlip', flip_ratio=0.5),
    # 标准化
    dict(
        type='Normalize',
        mean=[123.675, 116.28, 103.53],
        std=[58.395, 57.12, 57.375],
        to_rgb=True),
    # 图像Padding 的配置，填充数目应该可以被整除
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    # 决定数据中哪些key可以被传入pipeline中
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels'])
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(1333, 800),
        # 是否在test过程flip images
        flip=False,
        transforms=[
            dict(type='Resize', keep_ratio=True),
            # 由于flip=False这个RandomFlio将不会被使用。
            dict(type='RandomFlip'),
            dict(
                type='Normalize',
                mean=[123.675, 116.28, 103.53],
                std=[58.395, 57.12, 57.375],
                to_rgb=True),
            dict(type='Pad', size_divisor=32),
            # 将图片转化为tensor
            dict(type='ImageToTensor', keys=['img']),
            # 收集在test过程中必要的key
            dict(type='Collect', keys=['img'])
        ])
]
data = dict(
    # 每个gpu计算的图像数量
    samples_per_gpu=2,
    # 每个gpu分配的线程数
    workers_per_gpu=2,
    train=dict(
        type='CocoDataset',
        ann_file= data_root + 'annotations/train.json',
        img_prefix= data_root + 'images/train/',
        # 类型，如果就一个类型需要加逗号
        classes=('polyp', ),
        pipeline=train_pipeline),
    val=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/test.json',
        img_prefix=data_root + 'images/test/',
        classes=('polyp', ),
        pipeline=test_pipeline),
    test=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/test.json',
        img_prefix=data_root + 'images/test/',
        classes=('polyp', ),
        pipeline=test_pipeline))


evaluation = dict(interval=1, metric='bbox')
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
lr_config = dict(
    # 优化策略
    policy='step',
    # 初始的学习率增加的策略，linear为线性增加，# warmup的策略, 还支持 `exp` 和 `constant`.
    warmup='linear',
    # 在初始的500次迭代中学习率逐渐增加
    warmup_iters=500,
    # 起始的学习率
    warmup_ratio=0.001,
    # 在第16和22个epoch时降低学习率
    step=[16,22])
# 最大epoch数
total_epochs = 24
# 每隔几个epoch保存一下checkpoint
checkpoint_config = dict(interval=12)
#log_config = dict(interval=5, hooks=[dict(type='TextLoggerHook')])
log_config = dict(
    # 每隔多少个epoch输出一个log文件
    interval=6,
    hooks=[
        dict(type='TextLoggerHook'),
        # Tensorboard logger
        dict(type='TensorboardLoggerHook')
    ])
# 设置分布式训练的参数，也可以设置端口
dist_params = dict(backend='nccl')
# 日志等级
log_level = 'INFO'
# 加载模型的路径，None表示从预训练模型加载
load_from = None
# 恢复训练模型的路径
resume_from = None
workflow = [('train', 1)]
# 保存模型的文件夹路径（checkpoints和log文件都会保存在其中）。
work_dir = 'work_dir/faster_rcnn_r50_2x/'

4、cascade_rcnn_r50_fpn_2x.py

cascade-RCNN是cvpr2018的文章，相比于faster-RCNN的改进主要在于其RCNN有三个stage，这三个stage逐级refine检测的结果，使得结果达到更高的精度。

model = dict(
    type='CascadeRCNN',
    pretrained='torchvision://resnet50',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch'),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        num_outs=5),
    rpn_head=dict(
        type='RPNHead',
        in_channels=256,
        feat_channels=256,
        anchor_generator=dict(
            type='AnchorGenerator',
            scales=[8],
            ratios=[0.5, 1.0, 2.0],
            strides=[4, 8, 16, 32, 64]),
        bbox_coder=dict(
            type='DeltaXYWHBBoxCoder',
            target_means=[0.0, 0.0, 0.0, 0.0],
            target_stds=[1.0, 1.0, 1.0, 1.0]),
        loss_cls=dict(
            type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),
        loss_bbox=dict(
            type='SmoothL1Loss', beta=0.1111111111111111, loss_weight=1.0)),
    roi_head=dict(
        type='CascadeRoIHead',
        # RCNN网络的stage数量，在faster-RCNN中为1
        num_stages=3,
        # 3个RCNN的stage的loss权重
        stage_loss_weights=[1, 0.5, 0.25],
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=[
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.1, 0.1, 0.2, 0.2]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.05, 0.05, 0.1, 0.1]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.033, 0.033, 0.067, 0.067]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))
        ]))
train_cfg = dict(
    rpn=dict(
        assigner=dict(
            type='MaxIoUAssigner',
            pos_iou_thr=0.7,
            neg_iou_thr=0.3,
            min_pos_iou=0.3,
            match_low_quality=True,
            ignore_iof_thr=-1),
        sampler=dict(
            type='RandomSampler',
            num=256,
            pos_fraction=0.5,
            neg_pos_ub=-1,
            add_gt_as_proposals=False),
        allowed_border=0,
        pos_weight=-1,
        debug=False),
    rpn_proposal=dict(
        nms_across_levels=False,
        nms_pre=2000,
        nms_post=2000,
        max_num=2000,
        nms_thr=0.7,
        min_bbox_size=0),
    # 注意，这里有3个RCNN的模块,对应开头的那个RCNN的stage数量
    rcnn=[
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.5,
                neg_iou_thr=0.5,
                min_pos_iou=0.5,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False),
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.6,
                neg_iou_thr=0.6,
                min_pos_iou=0.6,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False),
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.7,
                neg_iou_thr=0.7,
                min_pos_iou=0.7,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False)
    ])
test_cfg = dict(
    rpn=dict(
        nms_across_levels=False,
        nms_pre=1000,
        nms_post=1000,
        max_num=1000,
        nms_thr=0.7,
        min_bbox_size=0),
    rcnn=dict(
        score_thr=0.05,
        nms=dict(type='nms', iou_threshold=0.5),
        max_per_img=100))
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
dataset_type = 'CocoDataset'                
# 数据集根目录
data_root = '/home/shawn/MyDataset/'    

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    dict(type='RandomFlip', flip_ratio=0.5),
    dict(
        type='Normalize',
        mean=[123.675, 116.28, 103.53],
        std=[58.395, 57.12, 57.375],
        to_rgb=True),
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels'])
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(1333, 800),
        flip=False,
        transforms=[
            dict(type='Resize', keep_ratio=True),
            dict(type='RandomFlip'),
            dict(
                type='Normalize',
                mean=[123.675, 116.28, 103.53],
                std=[58.395, 57.12, 57.375],
                to_rgb=True),
            dict(type='Pad', size_divisor=32),
            dict(type='ImageToTensor', keys=['img']),
            dict(type='Collect', keys=['img'])
        ])
]
data = dict(
    samples_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=train_pipeline),
    val=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=test_pipeline),
    test=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=test_pipeline))
evaluation = dict(interval=1, metric='bbox')
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
lr_config = dict(
    policy='step',
    warmup='linear',
    warmup_iters=500,
    warmup_ratio=0.001,
    step=[16, 22])
total_epochs = 24
checkpoint_config = dict(interval=12)
log_config = dict(
    interval=5,
    hooks=[
        dict(type='TextLoggerHook'),
        dict(type='TensorboardLoggerHook')
    ])
dist_params = dict(backend='nccl')
log_level = 'INFO'
load_from = None
resume_from = None
workflow = [('train', 1)]
work_dir = 'work_dir/cascade_rcnn_r50_fpn_2x.py'

5、服务器运行以及可视化

参数修改

#训练自己的COCO数据集，需要自己修改的地方有num_classes、data_root、classes（全部都要）
#若显存较小可修改img_scale=(1333, 800)为img_scale=(800, 500)
#如果要设置不同epoch,修改lr_config下的step以及total_epochs
#特征提取层model下的pretrained以及depth

服务器运行（举例）

#服务器运行命令，--gpu-ids哪块GPU运行，运行前nvidia-smi查看哪块gpu空闲
python tools/train.py configs/cascade_rcnn_r50_fpn_2x.py --gpu-ids 1

#后台运行cascade_r101.txt是日志输出文件
nohup python tools/train.py configs/cascade_rcnn_r101_fpn_2x.py --gpu-ids 1 > cascade_r101.txt 2>&1 &

tensorboard可视化

#服务器在根目录运行
tensorboard --logdir=work_dir
#windows cmd运行
ssh -L 16006:127.0.0.1:6006 {xx@ip地址}
#本地运行
http://localhost:16006/
标签
#深度学习
mmdetection修改epoch？或者训练完，怎么增加epoch继续训练？
m0_63947712的博客
04-11 3010
打开./work_dirs/faster-rcnn_r50_fpn_1x_coco/faster-rcnn_r50_fpn_coco.py（根据自己文件名来哈），这个文件刚开始是没有的，只有开始训练后，才会根据配置信息生成，我们直接在这个文件上修改。②milestones是学习率下降的地方，[8,11]表示学习率在第8、11个epoch下降，随着总epoch数的改变，milestone也需要改变。注：其他版本的mmdetection恢复模型的命令可能不是--resume哦，可参考以下博客。
MMaction2安装（记录重装过程）
lcrdadas的博客
11-29 1259
第一步：从官方网站下载 Miniconda，链接。此处要参考自己的cuda版本，网上有很多例子。第二步：创建一个 conda 环境并激活它。后俩个一般做检测和姿态估计。第三步：安装 PyTorch，按照。
mmdetection源码注释
01-17
商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。 相比于Facebook开源的Detectron框架，作者声称mmdetection有三点优势：performance稍高、训练速度稍快、所需显存稍小
detectron2和mmdetection对比
qq_34929889的博客
10-13 5716
detectron2和mmdetection关键代码讲解detectron2整体结构介绍config配置registry机制datatrainermmdetection整体结构介绍configs配置registry机制datatrainerrunner类hook总结 detectron2 整体结构介绍 detectron2的整体代码目录如下。 configs：示例配置文件合集，包括检测分割等网络模型的配置，像faster rcnn，cascade rcnn等。 datasets：数据集准备工作，主要就是各个
【mmaction2 入门教程 04】训练 AVA 数据集中的自定义类别
CSPhD-winston的博客
08-18 3259
【mmaction2 入门教程 04】训练 AVA 数据集中的自定义类别
动作识别0-06：mmaction2(SlowFast)-源码无死角解析（2）-训练架构总览-1
江南才尽江南山，年少无知年少狂！
08-04 5121
以下链接是个人关于mmaction2(SlowFast-动作识别) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 动作识别0-00：mmaction2(SlowFast)-目录-史上最新无死角讲解 前言 通过前面的介绍，我相信大家已经把模型训练起来了，我知道你是冰雪聪明的。那么下面我们就来分析其源码吧，不放过任何的细节，这样我们在做项目的时候心里才有底。废话不多说了，我们直接开始吧 代
不用学3D！这个AI黑科技让单图秒变多角度展示神器
最新发布
gitblog_09762的博客
05-28 941
你肯定遇到过这样的烦恼：想给产品拍个360度展示视频，结果得请专业摄影师、租摄影棚、摆弄各种灯光设备，折腾一整天也未必满意。更别提角色设计了，画完正面还得画侧面、背面，每个角度都要保持风格一致，简直是设计师的噩梦！ 没想到吧？现在有了**AI视角转换**神器Qwen-Edit-2509-Multiple-angles，这些问题都能轻松解决！这款**AI视角转换**工具通过简单的文本指令，就能让单
mmcv之Config类介绍
wulele2的博客
02-20 5183
准备资料  本系列文章主要介绍mmcv及mmdetection源码解读。因此，建议读者首先在本地装好mmdetection环境。安装教程：mmdet2.8最新版安装教程！ 文章目录准备资料前言1、FasterRcnn为例二、使用步骤1.引入库2.读入数据总结 前言   本篇是mmcv源码解读的Config类介绍。代码地址在mmcv/utils/config.py文件中。 1、FasterRcnn为例   网上大多数Config类讲解是特别干的代码介绍，缺乏一个具像的例子来深刻理解。因此，本文以mmde
mmdetection-3.1.0 用自定义数据集训练实例分割算法RTMDet-Ins-m
chen411120086的专栏
02-21 2192
的定义是人为赋予的，在labelme中并没有任何含义，只是说在绘制mask图的时候读取到该区域为__ignore__，则进行忽略。3. 在configs/rtmdet/文件夹下复制文件: rtmdet_l_8xb32-300e_coco.py。是自定义类别 (如果是语义分割还需要在第二行增加背景: _background_),本案例只标注一个类别 .参考官方文档,这里不重点描述.
mmdetection运行DiffusionDet报错[Errno 2] No such file or directory: ‘/tmp/tmpjgzxqz4u/tmprk24ia_c.py‘
weixin_51367517的博客
05-31 533
前段时间开始接触mmdetection，经历了环境配置、参数修改之后, 终于用自己的数据集成功训练了Faster RCNN、Cascade RCNN模型，最近师傅让我跑一下Diffusiondet，依旧用跑Faster RCNN的方法进行操作，修改coco-dectection.py、coco.py等，但是运行下面官方命令之后报错。之后翻遍了整个CSDN，大佬们给出的意见就是运行的config文件有问题，比如存在语法错误、漏掉标点符号、自己的data类型设置不对等等。“-v” 指详细说明，或更多的输出。
mmdetection使用
weixin_41311686的博客
06-05 687
mmdetection的配置文件介绍
【MMDetection学习资源】
retainenergy的博客
04-02 407
【目标检测】MMDetection的安装与基础使用MMDetection框架入门教程（完全版）【MMDetection】v2.22.0入门：训练自己的数据集详解 MMDetection 使用技巧和源码实现mmdetection训练自己的数据并评估mAP深度学习及mmdetection学习理解笔记MMdetection 环境配置、config文件解析以及训练自定义VOC数据集【mmdetection】使用coco数据集训练后结果可视化MMDetection系列 | 3. MMDetection自定义模型训练
mmdetection改进优化（自己改进步骤）
酸菜鱼Cc的博客
03-28 1639
SwinTransformer系列特征提取网络，有三个版本：Large、Small、Tiny。SwinTransformer_large训练的模型精度最优，但是模型太大，用实验室的单GPU跑不起来。
mmdetection v2.15.0 训练自制的COCO数据集
m0_56909995的博客
08-11 1769
如果最近安装mmdetection的小伙伴们应该都是2.15.0版本，现csdn上面所有的教程均不适用，下面按照官网的整理一下在新版本下自制数据集并训练的方法。 1.自制数据集 注：最新版本mmdetection仅支持COCO格式的数据集训练，不支持VOC格式！！！ 我一开始也是用VOC数据集跑不通，后来又将VOC转成COCO格式。VOC转COCO的方法见我的另一篇文章。COCO数据集的目录如下： mmdetection |----data（新建） |----coco ...
mmdetection底层框架原理解析1
Jack的专栏
01-05 283
if isinstance(filename, Path):#判断filename是否为Path的一个实例，如果是则将实例转换成字符串 filename = str(filename) cfg_dict, cfg_text = Config._file2dict(filename, use_predefined_variables)#将配置文件里面的数据读取出来放到字典集合对象里面
MMAction2: 新一代视频理解工具箱
我爱计算机视觉
02-05 5528
本文转载自知乎，已获作者授权转载。链接：https://zhuanlan.zhihu.com/p/347705276视频理解是计算机视觉中重要的研究方向，近年来逐渐成为业界和学术界的研究热...
目标检测00-04：mmdetection(Foveabox为例)-config文件注释-持续更新
江南才尽江南山，年少无知年少狂！
09-03 1209
该章节的内容比较单调，把cfg文件注释单独作为一篇博客列出来，是为了大家方便查找和分析（如果有错误的地方，需要大家及时指出）。本人在进行测试训练的时候，就是使用该配置，对应的数据集已经在前面的博客公布了。mmdetection的config文件不能存在中文注释，所以我提供了两个版本，即注释版本，和非注释版\color{red}{mmdetection的config文件不能存在中文注释，所以我提供了两个版本，即注释版本，和非注释版}mmdetec。...
MMdetection系列之Config配置文件（V3更新后）
qq_41627642的博客
05-12 8104
如果你想查看配置文件, 你可以运行 python tools/misc/print_config.py /PATH/TO/CONFIG to see the complete config. 使用现有模型对给定图像进行推理. .在标准数据集上测试现有模型。 在标准数据集上训练预定义模型。 ...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值