FasterRCNN-pytorch的代码解析

一、结构分布

先介绍一下代码的结构分布吧

1、tain.py文件是训练的时候首先执行的文件，里面的函数有eval()评估函数，train（）训练函数

2、trainer.py文件是网络的流图，关于如何forward，如何计算loss，如何反向计算，如何保存模型，如何控制权重更新等等，这个里面的函数会在train.py中的train（）函数开始的时候调用，先构建fasterrcnn的网络，然后将网络作为参数传给trainer的构造函数

3、data文件夹，下面都是数据读取的方法

（1）dataset.py文件是批量加载数据，这个也会在train()函数开始初始化了一个dataset对象。

（2）voc_dataset.py文件是针对VOC数据集格式准备的，批量加载VOC数据集，解析XML文件都在这个类中，而且他是在dataset.py文件中调用，加载VOC数据集用的。

（3）util.py文件是定义了一些图像预处理工具，包括read_image，resize_box、crop_bbox这些会在其他py文件中调用，比如voc_dataset.py文件中调用了read_image数据进行读取数据。

（4）__init__.py文件好像是python要求类下必须有这个文件，需要确定一下？？？

4、model文件夹，下面都是网络构建的一些py。

（1）faster_rcnn_vgg16.py文件，是用来构建FasterRCNN-vgg16网络的，该网络分三部分创建，extractor特征提取网络，是利用torchvision.model模块创建的VGG16，然后是RPN网络创建，再就是ROIHeader网络创建，这个网络构建对象在train()函数开始的时候就创建了，用于先构建网络，然后再传入trainer。

（2）faster_rcnn.py文件，是一个base-class，faster-rcnn-vgg16类继承了这个类

（3）region_proposal_network.py文件，用于构建rpn模块，在faster_rcnn_vgg16.py文件中调用生成网络结构。

（4）roi_module.py文件，这个暂时没研究，在faster_rcnn_vgg16.py中调用了，初始化的时候ROIPooling。？？

（5）utils文件夹，下面是一些工具，nms文件夹是非极大值抑制，其他的没仔细看，后期研究，主要是在faster_rcnn.py文件中调用了。

6、utils文件夹，这里面是工具

二、训练流程

1、首先调用train.py文件，输入相关参数进行训练。输入的控制台参数用**kwargs来表示，学习了python的控制台参数知道这是个接受字典形参数。https://www.cnblogs.com/zhangzhuozheng/p/8053045.html可参见这个地址有详细说明。

2、进行参数解析，利用了utils文件夹下的config.py文件进行了参数获取，这个文件中自定义一些默认参数，主要返回的是学习率学习策略，数据集地址等。

3、构造数据集对象，包括标签、图像名称列表。

4、根据batch_size，num_workers进行数据加载对象声明。数据是不是这个时候加载的还待定，感觉这个loader就像一个占位符，先占个坑，等运行网络的时候就开始读入了。具体DataLoader的用法需要查看pytorch

5、然后构建网络faster_rcnn_vgg16，构建方式见前面说的faster_rcnn_vgg16.py。

6、构建traner对象，将网络输入进行。

7、判断opt.load_path是否存在，这个load_path是在config.py中定义的，是model的地址，默认值是none，也就是如果在控制台输入没有指定--model这个参数，那么就没有了。如果有model即预训练模型，则调用trainer中的load函数加载预训练模型。

（1）trainer.load（）函数解析，首先利用torch.load（）函数加载模型，然后判断‘model’字符串是否存在，来判断是单纯加载参数还是加载带模型的参数（这是我个人理解的，具体要看pytorch的load_state_dict函数），最后判断参数是否修改，默认没改，最后判断优化器是否在加载的网络里，是的话加载预训练模型中的优化器。

8、可视化训练数据的label，调用trainer.vis.text函数，函数解析待会。

9、best_map参数干什么用的不知道待定，lr_是学习率获取。

10、下面就是循环训练啦，循环条件是epoch数，这个是opt超参数规定的。

（1）trainer.reset_meters()先重置界面上所有的数据，相当于一个epoch更新一次显示数据。

（2）开启一个for循环，枚举数据啦，从dataloader中按照batch-size循环读取数据，循环条件是把数据取完，tqdm模块是进度条模块具体可以百度。

（3）然后调用array_tool.py文件（在utils文件夹下）中的scalar（）函数，传入参数是scale，这个参数是什么意思

（4）把数据传到cuda中，用来加速计算，返回转换后的cuda版本的数据，下面调用的都是cuda版的。

（5）利用trainer.train_step函数进行计算，前面介绍过这个函数，是用来更新一次权重的。

（6）图像进行归一化处理.

（7）然后是显示

（8）预测bboxes,label，这个predict函数是哪来的呢，首先是trainer，而trainer中调用的网络是fasterrcnnvgg16，这个网络继承 的是fasterrcnn的类，fasterrcnn类中有一个predict函数。

（9）下面就是一些可视化操作了，然后跳出了枚举数据的循环。这就是1个epoch完成了

（10）模型评估，利用测试集来做，前面已经加载了测试集，test_dataloader

（11）得到优化器中学习率的数值，并显示日志相关内容，包括lr,map,loss

（12）根据评测结果判断map是否是大于阈值best_map，如果是保存模型

（13）判断当前的epoch是否=9,如果是就加载最好的map和改变学习率

（14）判断如果epoch=13就跳出迭代循环？？？这个是这个实验里设计的具体原因不清楚。待定