PaddleDetection调试

1.安装

1.1 安装paddlepaddle

创建conda环境：

conda create -n paddle python=3.9
conda activate paddle

多卡训练需要安装nccl
conda install -c conda-forge nccl 

进入下面paddle官网找到对应的版本安装，我的安装命令行为：

python -m pip install paddlepaddle-gpu==2.2.2 -i https://mirror.baidu.com/pypi/simple

飞桨PaddlePaddle-源于产业实践的开源深度学习平台

1.2 安装PaddleDetection

git clone https://github.com/PaddlePaddle/PaddleDetection.git

安装requirements.txt中的依赖，如果opencv等依赖出问题，查看python版本是否对应
pip install -r requirements.txt 

安装完成之后需要编译，否则导包会出现错误
cd PaddleDetection
python setup.py install

2.测试 

测试是否安装成功
python ppdet/modeling/tests/test_architectures.py

出现下面的提示表示安装成功 

3.配置configs文件

3.1数据集

进入datasets文件夹相对应的数据集配置文件，设置数据集的路径等信息，下面以coco为例

metric: COCO
num_classes: 80

TrainDataset:
  !COCODataSet
    image_dir: ../../data/coco/train2017
    anno_path: ../../data/coco/annotations/instances_train2017.json
    dataset_dir: ../../data/coco
    data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

EvalDataset:
  !COCODataSet
    image_dir: ../../data/coco/val2017
    anno_path: ../../data/coco/annotations/instances_val2017.json
    dataset_dir: ../../data/coco

TestDataset:
  !ImageFolder
    anno_path: ../../data/coco/annotations/instances_val2017.json
    dataset_dir: ../../data/coco

3.2模型参数

 进入对应的模型配置yml，以picodet为例，设置训练次数，batch_size等超参数

_BASE_: [
  '../datasets/coco_detection.yml',
  '../runtime.yml',
  '_base_/picodet_v2.yml',
  '_base_/optimizer_300e.yml',
  '_base_/picodet_416_reader.yml',
]

pretrain_weights: https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/legendary_models/PPLCNet_x2_0_pretrained.pdparams
weights: output/picodet_l_320_coco/best_model
find_unused_parameters: True
use_ema: true
epoch: 250
snapshot_epoch: 10

LCNet:
  scale: 2.0
  feature_maps: [3, 4, 5]

LCPAN:
  out_channels: 160

PicoHeadV2:
  conv_feat:
    name: PicoFeat
    feat_in: 160
    feat_out: 160
    num_convs: 4
    num_fpn_stride: 4
    norm_type: bn
    share_cls_reg: True
    use_se: True
  feat_in_chan: 160

LearningRate:
  base_lr: 0.12
  schedulers:
  - !CosineDecay
    max_epochs: 300
  - !LinearWarmup
    start_factor: 0.1
    steps: 300

TrainReader:
  batch_size: 24

4.推理测试

4.1 picodet

运行下面代码块，输出的图片在output文件夹中

python tools/infer.py -c configs/picodet/picodet_l_416_coco_lcnet.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/picodet_l_416_coco_lcnet.pdparams --infer_img=demo/000000014439.jpg

结果展示： 

 4.2 ppyoloe

同理

python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyoloe_crn_s_300e_coco.pdparams --infer_img=demo/000000087038.jpg