最新FasterRCNN源码解析（一）-——跑通代码_霹雳巴拉wz的代码看不懂，2024年最新34岁Linux运维开发大叔感慨

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前在阿里

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Linux运维全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上运维知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以点击这里获取！

---

环境配置

• Python3.6或者3.7
• Pytorch1.6(注意：必须是1.6.0或以上，因为使用官方提供的混合精度训练1.6.0后才支持)
• pycocotools(Linux: pip install pycocotools;Windows:pip install
  pycocotools-windows(不需要额外安装vs))
• Ubuntu或Centos(不建议Windows)
• 最好使用GPU训练
• 详细环境配置见原作者github中的requirements.txt文件

文件结构

• ├── backbone: 特征提取网络，可以根据自己的要求选择
• ├── network_files: Faster R-CNN网络（包括Fast R-CNN以及RPN等模块）
• ├── train_utils: 训练验证相关模块（包括cocotools）
• ├── my_dataset.py: 自定义dataset用于读取VOC数据集
• ├── train_mobilenet.py: 以MobileNetV2做为backbone进行训练
• ├── train_resnet50_fpn.py: 以resnet50+FPN做为backbone进行训练
• ├── train_multi_GPU.py: 针对使用多GPU的用户使用
• ├── predict.py: 简易的预测脚本，使用训练好的权重进行预测测试
• ├── valisation.py: 利用训练好的权重验证/测试数据的COCO指标，并生成record_mAP.txt文件
• └── pascal_voc_classes.json: pascal_voc标签文件

跑通代码

作者在视频中跑的是mobilnet模型，这里我们尝试跑一下res50+fpn的模型

1. create_model

这个类是定义模型的部分。

这里需要注意的是
backbone = resnet50_fpn_backbone()会自动的冻结部分底层权重
代码如下（示例）：

def create\_model(num_classes):
    backbone = resnet50_fpn_backbone()
    # 训练自己数据集时不要修改这里的91，修改的是传入的num\_classes参数
    model = FasterRCNN(backbone=backbone, num_classes=91)
    # 载入预训练模型权重
    # https://download.pytorch.org/models/fasterrcnn\_resnet50\_fpn\_coco-258fb6c6.pth
    weights_dict = torch.load("./backbone/fasterrcnn\_resnet50\_fpn\_coco.pth")
    missing_keys, unexpected_keys = model.load_state_dict(weights_dict, strict=False)
    if len(missing_keys) != 0 or len(unexpected_keys) != 0:
        print("missing\_keys: ", missing_keys)
        print("unexpected\_keys: ", unexpected_keys)

    # get number of input features for the classifier
    in_features = model.roi_heads.box_predictor.cls_score.in_features
    # replace the pre-trained head with a new one
    model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)

    return model

2. main

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前在阿里

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Linux运维全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上运维知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以点击这里获取！

含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

需要这份系统化的资料的朋友，可以点击这里获取！