设置mmdetection储存checkpoint数量

最新推荐文章于 2023-07-21 20:10:51 发布
最新推荐文章于 2023-07-21 20:10:51 发布
阅读量586 收藏 5
点赞数 1
文章标签： pytorch
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。
本文链接：https://blog.csdn.net/Linch_123/article/details/127974595
版权

设置mmdetection储存checkpoint数量

checkpoint 类定义在mmcv.runner.hooks.checkpoint.py文件下，定义参数中有max_keep_ckpts=-1可以设置最大储存checkpoint的数目。

在config文件下可以定义：

checkpoint_cfg = dict(max_keep_cpkts=5)

设置最大储存数为5。

临川_Linch
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
mmdetection训练得到的权重/checkpoints文件分析和修改
jiangqixing0728的博客
11-19 4337
.pt的模型文件解析和理解
MMdetection3.3使用技巧
weixin_44052271的博客
03-25 7067
先来看用训练好的checkpoint文件跑test.py脚本的输出结果 最下方会输出一个有序字典OrderedDict，我们可以指定相关的键来保存最好的模型。 需要的操作就是在配置文件中进行如下修改： evaluation = dict(interval=1, metric='bbox', save_best='auto') save_best用于指定对应的键，'auto'是指保留第一个键对应最大值的checkpoint文件，即'bbox_mAP'（对应coco评价指标的第一行），也可以指定s
mmdetection代码阅读系列（三）：整个代码训练的流程 build_from_cfg, Runner, Hook
yinglang19941010的专栏
08-03 1465
tools/train.py:main train_detector( model, datasets, cfg, distributed=distributed, validate=(not args.no_validate), timestamp=timestamp, meta=meta) runner.run(data_loaders, cfg.workflow)
手摸手教学，如何训练一个你的专属AI歌姬~
Gefangenes的博客
05-27 1240
learning_rate和batch_size这两个参数可以理解为训练速度和训练质量，因为我们用的V100 32G显卡，这块直接固定死数值就可以，keep_ckpts是保存多少个模型，因为声音模型训练是不会自动停止的，每几千步就会给你保存一个模型，所以我们可以让他自动保存最新的10个模型让我们来选一个最好的。把所有的音频文件都进行人声分离后，接下来就要对音频进行切片处理了，因为人声素材文件的大小过大会影响模型训练的速度，所以我们还需要对其切片，将它变成一个比较小的人声切片文件。
mmdetection工具箱基础教程（一）
PolarisFTL
07-21 971
(62条消息) 手把手教你如何配置mmdetection并训练（win10环境）_mmdetection 环境配置_PolarisFTL的博客-CSDN博客上一篇博客教大家如何配置mmdetection工具箱以及模型如何训练，今天这篇博客教大家如何使用已经训练好的模型进行评估以及图片预测。
在tensorflow中设置保存checkpoint的最大数量实例
09-18
因此，理解如何设置保存checkpoint的最大数量是至关重要的。 在提供的代码示例中，可以看到使用了`tf.estimator.RunConfig`类来配置模型的运行环境，特别是关于checkpoint保存的策略。关键在于`keep_checkpoint_max...
CheckPoint防火墙Nat配置讲解
10-31
CheckPoint防火墙Nat配置讲解
Checkpoint 简单配置手册.pdf
10-13
Checkpoint 简单配置手册.pdf
CheckPoint防火墙产品线介绍
10-31
CheckPoint防火墙产品线介绍
MMsegmentation教程 6: 自定义运行设定
yanqianglifei的专栏
01-22 3049
自定义优化设定 自定义 PyTorch 支持的优化器 我们已经支持 PyTorch 自带的所有优化器，唯一需要修改的地方是在配置文件里的 optimizer 域里面。 例如，如果您想使用 ADAM (注意如下操作可能会让模型表现下降)，可以使用如下修改： optimizer = dict(type='Adam', lr=0.0003, weight_decay=0.0001) 为了修改模型的学习率...
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
04-23
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
【mmdetection】MMdetection保存最佳权重文件
Gorgeous_wxd
05-05 3238
将evaluation = dict(interval=1, metric='bbox')改为evaluation = dict(interval=1, metric='bbox', save_best='auto')即可。
【mmdetection】使用自定义的coco格式数据集进行训练及测试
YeeKo的博客
05-27 3万+
目录一、mmdetection简介二、环境安装1、安装教程2、运行demo测试环境是否安装成功三、训练自定义的dataset1、准备dataset2、Training前修改相关文件3、Training4、Testing 一、mmdetection简介 项目仓库地址：https://github.com/open-mmlab/mmdetection 香港中文大学-商汤科技联合实验室开源了基于 PyT...
目标检测框架mmdetection框架的安装与测试
大数据挖掘SparkExpert的博客
03-06 1万+
最近利用Conda终于成功安装了mmdetection，说实话，非conda的还真的不好装，特别在.complie的时候，即使成功，总是会出现各种问题，直到conda安装后，才明白之前的问题关键所在，即必须numpy为1.16.2版本，且pytorch需要为1.0版本。之前从release版本中下载了0.4.1的版本，还是有问题。 1、框架介绍 这个框架还是非常清晰的，整个代码从骨架，模型，B...
mmdetection
热门推荐
夏日山间过
08-02 3万+
概述 训练检测器的主要单元：数据加载、模型、迭代流水线。 数据加载 遵循典型约定，使用Dataset和Dataloader用于多个工作人员的数据加载。Dataset返回与模型的forward方法的参数对应的数据项的字典dict。由于对象检测中的数据可能不是相同的大小（图像大小，gt bbox大小等），所以引入一种新的DataContainer类型mmcv来帮助收集和分发不同大小的数据。 模型 ...
mmdetection中使用训练好的模型批量检测图片并保存到文件夹
natures66的博客
03-22 5764
保存到文件夹查看预测情况 from argparse import ArgumentParser import os from mmdet.apis import inference_detector, init_detector #, show_result_pyplot import cv2 def show_result_pyplot(model, img, result, score_thr=0.3, fig_size=(15, 10)): """Visualize the dete
使用mmdetection检测并存储结果
Allen__Iverson的博客
04-17 6879
使用mmdetection检测并存储结果使用voc格式样本训练检测并保存结果(添加nms) 使用voc格式样本训练 修改mmdet/datasets/voc.py文件中类别，注意格式别出错 CLASSES = ('bird-nest',) 然后修改配置文件，其中img_scale是你输入图片的宽高，num_classes=数据集类别数+1(背景)，其他超参按照官网教程修改即可。 如果要做精度评价...
【MMDetection-学习记录】config配置文件说明
乐亦亦乐的博客
01-21 1587
# model settings 模型设置 #官方文档：https://mmdetection.readthedocs.io/en/latest/tutorials/config.html model = dict( type='MaskRCNN', #检测器名称 pretrained='torchvision://resnet50',#加载预训练的backbone backbone=dict(#backbone配置 type='ResNet', ...
MMDetection-运行时
周先森爱吃素的博客
02-28 4633
介绍MMDetection运行时相关的内容。
mmdetection3d使用
最新发布
09-03
mmdetection3d是一个基于PyTorch的开源目标检测框架，专注于3D场景中的目标检测任务。以下是使用mmdetection3d的一般步骤： 1. 安装依赖：首先，确保你的环境中已经安装好了PyTorch和CUDA。然后，使用pip安装mmdetection3d及其依赖库： ``` pip install mmcv-full open3d==0.9.0 git clone https://github.com/open-mmlab/mmdetection3d.git cd mmdetection3d pip install -v -e . ``` 2. 数据准备：准备好自己的训练数据集，并将其转换为mmdetection3d支持的数据格式。你可以参考官方文档了解数据准备的细节：https://mmdetection3d.readthedocs.io/en/latest/tutorials/data_preparation.html 3. 配置模型：根据你的任务和数据集，选择合适的配置文件，并对其进行修改。在mmdetection3d的`configs`目录下可以找到各种预定义配置文件，你可以根据自己的需求进行修改。 4. 训练模型：使用命令行启动训练过程。示例命令如下： ``` ./tools/dist_train.sh configs/your_config_file.py num_gpu ``` 其中，`your_config_file.py`是你修改后的配置文件名，`num_gpu`是你要使用的GPU数量。 5. 测试模型：训练完成后，可以使用命令行进行模型的测试。示例命令如下： ``` ./tools/dist_test.sh configs/your_config_file.py checkpoint_file num_gpu --eval ``` 其中，`checkpoint_file`是模型的路径。 这是一个简单的使用流程，更详细的使用说明和示例可以参考mmdetection3d的官方文档：https://mmdetection3d.readthedocs.io/

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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