本文介绍了在MMsegmentation中如何进行模型初始化，包括单个模块、多个模块的初始化，并探讨了精细初始化的方法。特别地，文章讨论了如何在缺少Swin-transformer-V2-base-mask2former预训练权重的情况下，利用mmpretrain更换主干网络，并展示了训练效果。
系列文章目录
文章目录
前言
mmlab下游分支调用权重随机初始化使用参考mmengine的说明文档
mmengine支持模型初始化方法包括：BaseInit, Caffe2XavierInit, ConstantInit,KaimingInit, NormalInit, PretrainedInit,TruncNormalInit, UniformInit, XavierInit,bias_init_with_prob, caffe2_xavier_init,constant_init, initialize, kaiming_init, normal_init,trunc_normal_init, uniform_init, update_init_info,xavier_init_
github链接
一、初始化单个模块
init_cfg=dict(type='Xavier', layer='Linear', distribution='uniform'),
二、初始化多个模块
代码如下（示例）：
init_cfg=[dict(type='Xavier', layer='Conv2d'
最低0.47元/天 解锁文章
356
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
