使用Open-mmLab库进行ResNet-50 classification

使用Open-mmLab库进行ResNet-50 classification应用

配置环境可以参考pytorch环境配置及所遇问题

源代码来自官方实例库：

链接：https://github.com/open-mmlab/mmclassification

官方说明文档：https://mmclassification.readthedocs.io/en/latest/index.html

样例应用及修改方式：

1. 准备数据集

首先保证mmclassification文件夹下有以下文件夹

mmclassification
├── mmcls
├── tools
├── configs
├── docs
├── data

并在data数据集中加入自己所需的新数据集，按以下格式和名称存储在data目录下

训练数据集：

netdata
├── ...
├── train
│   ├── n01440764
│   │   ├── n01440764_10026.JPEG
│   │   ├── n01440764_10027.JPEG
│   │   ├── ...
│   ├── ...
│   ├── n15075141
│   │   ├── n15075141_999.JPEG
│   │   ├── n15075141_9993.JPEG
│   │   ├── ...

测试数据集

├── val
ILSVRC2012_val_00000001.JPEG 65
ILSVRC2012_val_00000002.JPEG 970
ILSVRC2012_val_00000003.JPEG 230
ILSVRC2012_val_00000004.JPEG 809
ILSVRC2012_val_00000005.JPEG 516

准备TXT文件链接：https://blog.csdn.net/alexzhang9208/article/details/115488509

2. 参数设定

训练模型的配置文件都在**/configs路径下，其中包括用来配置数据集、网络模型、训练策略等的_base_和各种模型，以ResNet50为例，在**/configs/resnet路径下，新建resnet50_b32x8_mynet.py，其中

_base_包括：
_base_ = [
    '../_base_/models/resnet50.py',                  # 模型配置
    '../_base_/datasets/mynet_bs32.py',              # 数据集配置
    '../_base_/schedules/imagenet_bs256.py',         # 训练策略配置
     '../_base_/default_runtime.py'                  # 日志、存储相关配置
]

通过自定义以上4项，便可以进行自己模型的训练任务。

3. 自定义数据集的加载

相关目录：

../_base_/datasets/			# 数据预处理、路径配置
../data/Mydataset/			# 数据放在这个位置
../mmcls/dataset/			# 数据读取

…/base/datasets/目录下代码

# dataset settings
dataset_type = 'MyNetData'
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='Resize', size=(128, 128), backend='pillow'),
    dict(type='RandomFlip', flip_prob=0.5, direction='horizontal'),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='ImageToTensor', keys=['img']),
    dict(type='ToTensor', keys=['gt_label']),
    dict(type='Collect', keys=['img', 'gt_label'</