mmdet3d training 流程

ZLTJohn

已于 2022-06-05 15:56:21 修改

阅读量1.7k

点赞数 4

文章标签： open-mmlab

于 2022-06-03 11:39:43 首次发布

本文链接：https://blog.csdn.net/ZLTJohn/article/details/125110917

版权

mmdet3d的训练过程涉及多个步骤，包括训练前配置、分布式训练启动、自定义模块导入、初始化及模型训练。通过dist_train.sh指定配置文件和GPU数量开始训练。在train.py中，解析命令行参数并导入自定义模块，模型和数据集会被注册到相应registry。初始化工作后，使用train_model或train_detector进行进一步初始化和训练。epoch_based_runner.py的runner负责管理训练过程，包括epoch和迭代的钩子函数，确保训练和评估的正确进行。

摘要由CSDN通过智能技术生成

一般大家的pytorch训练代码都比较简洁，mmdet3d为了支持扩展性，把代码进行了很多的抽象和封装，大大降低了可读性。现在简单理一下其training的代码执行逻辑。
实际使用的时候肯定是train几个epoch之后eval一次的，这里只考虑training

训练前配置

配置一下data的config

dataset_type = 'CustomWaymoDataset'
data_root = '/localdata_ssd/waymo_ssd_train_only/kitti_format/' 
data = dict(
    samples_per_gpu=1,
    workers_per_gpu=4,
    train=dict(
        type='RepeatDataset',
        times=1,
        dataset=dict(
            type=dataset_type,
            data_root=data_root,
            num_views=num_views,
            ann_file=data_root + 'waymo_infos_train.pkl',
            split='training'