MMPretrain代码

1.mim为安装mmlab代码的插件

2.mmpretrain 图像识别的数据集目录如下

3.使用配置文件方便,便于后续修改

4.data_preprocessor是model的参数,属于模型拿到数据集以后需要的额外的操作

5.hook中logger的interval是iteration次数,checkpoints中interval是epoch次数,max_keep_ckpts是保持多少个pt文件,save_best保持精度最高的模型

6.算法复现可以设置randomness=dict(seed=1,deterministic=True)

7.模型预训练权重加载使用

model=dict(type='',
            backbone=dict(type=''),
            neck=dict(type=''),
            head=dict(type=''),
            init_cfg=dict(type='Pretrain',checkpoint='')
            )

8.mim可以在任意位置调用训练,测试

mim train pretrain +'配置文件'

9.测试结果分析

mim test pretrain '配置文件' 'checkpoint' --out result.pkl

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MMPretrain是一个基于pytorch的开源深度学习预训练工具箱,它是OenMMLab的项目成员之一开发的。它提供了各种强大的预训练主干网络,并支持不同的预训练策略。MMPretrain源自著名的开源项目MMClassification和MMSelfSup,并开发了许多新功能。预训练阶段对于视觉识别非常重要,而MMPretrain通过提供丰富而强大的预训练模型,使我们能够改进各种下游视觉任务。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [计算机视觉 | 深度学习预训练与MMPretrain](https://blog.csdn.net/qq_37902216/article/details/131076259)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [开源预训练框架 MMPRETRAIN官方文档(概览、环境安装与验证、基础用户指南)](https://blog.csdn.net/qq_41627642/article/details/131561433)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [深度学习预训练与MMPreTrain](https://blog.csdn.net/travel_66/article/details/131073132)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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