使用mmdetection训练HTC

本文详细介绍了如何使用mmdetection训练混合任务协同(HTC)模型。在配置文件中,需要注意字典中多余的值,以及学习率的设置,特别是多GPU和单/双GPU的差异。在测试阶段,解释了遇到的问题及解决方法,包括删除不必要的配置项以避免错误。在训练过程中,修改了模型参数以适应仅检测bbox和mask的任务,并调整了评估内容。训练时,通过特定设置避免了警告信息并解决了内存泄漏问题。此外,还提供了如何利用预训练权重进行模型微调的指导,以及训练时的重要注意事项,尤其是resize操作的细节。
摘要由CSDN通过智能技术生成

配置文件

配置解读

测试

直接使用会报这个错:

TypeError: type object got multiple values for keyword argument 'groups'

说是字典里的对应值多了一个,查配置文件,发现有两个groups,值是一样的,看别的配置文件只有上面的一个,注释掉下面的试了一下,就可以了
在这里插入图片描述
测试结果:
在这里插入图片描述


训练

1.根据自己的数据集的类改动配置文件参考这个:配置改动

注意:一定要看好学习率的设置,16GPU是0.02,单卡或双卡设置0.0025左右,一定要小,一开始我双卡设的0.02,loss从个位数飙到五位数

2.因为我只需要检测bbox和mask,所以在配置文件的model字典里将semantic相关的都注释了
在这里插入图片描述
并且在train_pineline里设置with_seg=False
在这里插入图片描述

只设置with_seg是没有用的,最后会计算seg的loss,然而没有label,就报错,所以要加前面的注释

3.修改评估内容:
在这里插入图片描述

4.在这里取消TensorboardLoggerHook的注释就能在命令行看到loss
在这里插入图片描述
但是我的

评论 8
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