mmdetection调用模型训练

mmdetection调用模型训练

转化数据集格式从labelme到coco

image-20230612102840681

首先data导进来

以这样的形式命名

422f4e7e2cbcb305cbb44b92fa5d6af

因为现在mmdetection版本更新了到3.x

所以项目结构变了

改一下coco.py

image-20230612004243817

改一下class_names.py

c8322758537f71481eaee4baa3672a7

在模型跑了之后看生成文件然后掐了

5b472a88830c1b0bb8bcf346ab81681

然后跑这个config

包版本

068f69f2dcd16e5209241f387bbeb3f

主要就是这三个包

mmdet好像要用mim安装

f28a7b23695bdf6049be520d026d692

这包都是按官网教程装的

设置PYTHONPATH

$env:PYTHONPATH += ";F:\Include\include\CV\openlab\mmdetection-3.x"

Python的import语句用于在当前模块中导入其他Python模块的代码。Python解释器会在一系列预定义的目录中查找要导入的模块,这些目录被称为Python路径(Python Path)。

当你执行一个Python脚本时,Python解释器会将当前脚本的目录自动添加到Python路径中。此外,Python还会在环境变量PYTHONPATH中指定的目录以及一些默认的位置(例如Python安装目录下的Libsite-packages目录)中查找模块。

在你的情况下,错误信息提示Python解释器无法在Python路径中找到名为projects.example_project.dummy的模块。这可能是因为你的projects目录不在Python路径中。

要解决这个问题,你可以将包含projects目录的路径添加到PYTHONPATH环境变量中。例如,如果你的projects目录位于F:\Include\include\CV\openlab\mmdetection-3.x,你可以这样设置环境变量(在Windows命令提示符中):

$env:PYTHONPATH += ";F:\Include\include\CV\openlab\mmdetection-3.x"

然后再次运行你的脚本,Python解释器就应该能够找到你的projects.example_project.dummy模块了。

注意,这种方法设置的环境变量只在当前的命令提示符会话中有效。如果你开启了新的命令提示符会话,你需要再次设置环境变量。如果你想让环境变量的设置在系统中持久保存,你需要将上述命令添加到你的系统环境变量设置中。

diffustiondet模型

模型训练

a7a2dad054ee09d263dcd817b9eed61

6d1356ac46f2929e1c610038127c297

这个估计要看轮数

我用这个模型跑了90000个

不知道效果咋样

因为一开始模型预设太高了450000

跑一分钟不到就爆了

跑完了

竟然因为一个图片不存在的错误而终止了

正好到15000个迭代

还好保存了一个checkpoint能够测试模型

image-20230612084356693

画个损失图

python .\tools\analysis_tools\analyze_logs.py plot_curve .\Evinci\20230612_015115\vis_data\20230612_015115.json --keys loss loss_cls loss_bbox

可以加个输出路径--out out.pdf, 会输出到项目的根目录…

image-20230612084614811

Figure_1

检测模型

python tools/test.py Evinci_config\diffusiondet_r50_fpn_500-proposals_1-step_crop-ms-480-800-450k_coco.py Evinci_diffusiondet\iter_15000.pth --show

--show可以不加,这个过程是在验证集上进行训练,然后输出结果,加了--show会一张一张的显示,所以训练就特别慢

image-20230612085524690

如果不加,不到一分钟就出来结果了

211029-019C_98_1_1129_312_0.717.png

可以看到我模型里面标注的训练和测试集的训练log信息

image-20230612205331605

yolo模型

第一次运行模型会下载一些文件

image-20230612164126520

一定是要在第一次启动之后然后掐掉, 运行的配置文件要从指定的工作目录中获取, 然后运行

可以在第一次运行之后把模型产生的配置文件放到自己的配置文件夹中, 然后修改一些必要的属性,再运行,这样基本上回没什么问题和bug

可以看到,模型下载完之后训练就开始正常运行了

image-20230612164407110

还有一个关键点,可以看到上述的loss非常大,因为没有加载预训练模型,所以模型是从头开始训练的,而自己的数据集图片总共就六七百张,数量还是很小的,所以想要早小数据集上有一个比较不错的效果,加载预训练模型是比较关键的

就是在load_from中填写预训练模型的路径,我是已经把要使用预训练模型的checkpoint文件都下载下来了

但是之后报了个奇怪的bug

yolof模型

果然是就需要从自己的config配置文件进行启动

image-20230612165330419

这样就成功了

虽然一开始肯定是要先从,configs下面的模型的配置文件运行

但是在work-dir生成配置文件之后,就要从该文件进行运行

但是之后报了个奇怪的bug

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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
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

打赏作者

Every DAV inci

小辣鸡一枚,不求打赏啦~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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