用mmdetection训练自己的数据集

     接触目标检测也有半年时间了，论文看了一些，但是都是看得马马虎虎，这次先用mmdetection跑一下Faster-rcnn，后面彻底熟悉了，再分析它的运行过程。可能有人说先打牢基础，看这看那，我认为还是得及时地和实际结合，如果有不对指出，请批评指正。      
    mmdetection是商汤提出来的一个框架吧，如果只是想单纯的跑跑完成任务的话真的很实用，我第一次上手用的就是它，连装系统到最后跑起来一天（原谅我是个菜鸡），下面开始正题。       
    先从github上装好。[添加链接描述](https://github.com/open-mmlab/mmdetection)
    模型也能下[添加链接描述](https://github.com/open-mmlab/mmdetection/blob/master/docs/MODEL_ZOO.md)
    下好以后放到mmdetection/checkpoints里（这个位置啥的可以自己算便来），跟要跑得config对应好，config也在mmdetection目录下。比如我下的是faster_rcnn_r50_fpn_1x_20181010-443129e1.pth。
    接下来要改的是faster_rcnn_r50_fpn_1x.py,也就是配置文件。

bbox_head=dict(
        type='SharedFCBBoxHead',
        num_fcs=2,
        in_channels=256,
        fc_out_channels=1024,
        roi_feat_size=7,
        num_classes=21,#VOC数据集有20类再加上背景共21类
        target_means=[0., 0., 0., 0.],
        target_stds=[0.1, 0.1, 0.2, 0.2],
        reg_class_agnostic=False,
        loss_cls=dict(
            type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
        loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)))
# model training and testing settings
data = dict(
    imgs_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type=dataset_type,
        ann_file=data_root + 'VOC2007_train/ImageSets/Main/trainval.txt',
        img_prefix=data_root + 'VOC2007_train/',
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'VOC2007_train/ImageSets/Main/val.txt',
        img_prefix=data_root + 'VOC2007_train/',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'VOC2007_train/ImageSets/Main/test.txt',
        img_prefix=data_root + 'VOC2007_train/',
        pipeline=test_pipeline))

第一个妖蛾子

原因是一个项目里装了两个版本的mmdetection，跑第一个项目调第二个里装的模块，死活搞不定，把俩都删了重装发现官方文档最下面有说明俩版本怎么搞…唉，第一个坑…还把数据集删了，又重搞了一下。

现在跑开了，神船GTX1060 6G，速度慢的一批，而且风扇有问题，呼呼的转。第一次跑模型，其他的batchsize啥的也不用调了，等开学混个服务器吧，但开学还遥遥无期…