mmclassification使用心得（二）mmcls内置方法

概述

在mmcls目录下，mmclassification为我们收录了常用的模型、预处理方法、数据集读取方法、训练参数。为了灵活调试各种参数，我们需要深入到mmcls目录中。

mmcls结构

mmcls第一级目录下主要有apis, core, datasets, models, utils五个模块。
apis：封装了训练、测试、推理的过程
core：提供了一些工具，fp16，评判标准
datasets：提供了数据加载接口、数据增强方法
models：提供了常用的backbone、head、loss、necks……
utils：辅助功能

|-- apis
|-- core
|-- datasets
|-- __init__.py
|-- models
|-- __pycache__
|-- utils
`-- version.py

每一层目录中都有一个 __init__.py文件，索引了当前目录下提供方法。在添加自己的方法时，也需要在 __init__.py中添加。

datasets

在datasets目录下，主要有三个部分。
第一部分是在这一层的py文件，用于读取数据
第二部分是pipline目录，该目录下收集了常用的数据增强方法
第三部分是samplers目录，采样方式（没用过）

.
|-- base_dataset.py
|-- builder.py
|-- cifar.py
|-- dataset_wrappers.py
|-- imagenet.py
|-- __init__.py
|-- mnist.py
|-- multi_label.py
|-- pipelines
|-- __pycache__
|-- samplers
|-- utils.py
`-- voc.py

models

在models目录下，主要有六个部分。
第一部分是backbones目录，集成了常见的主干网络
第二部分是heads目录，提供了多种分类的输出方式
第三部分是necks目录，数据backbone与head之间，更好的利用backbone提供的特征，收录了GAP
第四部分是losses目录，提供了常见的损失函数
第五部分是classifiers目录，将backbone、necks、head、losses集成起来
第六部分是utils目录，提供了部分模型封装好的模块

.
|-- backbones
|-- builder.py
|-- classifiers
|-- heads
|-- __init__.py
|-- losses
|-- necks
|-- __pycache__
`-- utils

core

在core目录下，主要有三个个部分。
第一部分是evaluation目录，封装了一些评判标准的函数，mAP、TopK……
第二部分是fp16目录，还没有研究
第三部分是utils目录，还没有研究

.
|-- evaluation
|-- fp16
|-- __init__.py
|-- __pycache__
`-- utils

utils

日志模块在这个部分