视频:4小时入门深度学习+实操MMDetection 第二课
- 目标检测工具包。
- 一完成目标检测。
- 二完成实例分割。
- 很方便可以进行模块替换。
- pytorch 4万多star。
- 几行pathon API即可调用强大的检测能力。
- 配置文件修改,可以训练自己的模型。
- 首先有python,然后是pytorch,然后是mmcv(mmlab基础组件),在此之上才是mmcls,mmdet。
- openbayes这个平台把基本的东西就装好了。
- 注册Openbayes账号(印象笔记备忘录)
- 可以选择pytorch的版本。
打开工作空间
import os
os.getcwd
1.获取当前工作目录。
2.pip是管理python软件包的小工具。
- 在python里面pytorch就叫torch。有红线这个标识,说明支持GPU ,还可以查看cuda的版本。
如果GPU的机器上没有按照这个版本,是无法用显卡跑的。
- 比较的好的是,它把mmcv-full也安装好了。
现在唯一到做的就是装mmdetection。
安装mmdetection有两种方式,
第一种方式:github源码下载方式。
第二种方式:mim类似pip和conda是管理openmmlab的包的工具。
首先安装min包
!pip install openmim #感叹号是代表本来应该在命令框中执行的命令,在python的环境中执行
安装mmdet:
!mim install mmdet=2.22.0 #==可以指定安装的版本,否则就是安装最新的版本。
mim实际上是可以将代码从github上下载下来,然后用pip进行安装,安装到固定位置,同时把其他的依赖也安装上。
安装完成之后,通过import看看,是否安装成功。
mmdetection里面有个configure文件夹,里面的每个文件夹就是一个模型。
- 数据增强策略。
- 训练策略:梯度下降、随机梯度下降。
- 配置GPU。
- 打印日志,保存checkpoint。
3.训练自己的模型
- 使用COCO预训练检测模型的梯度下降的起点。
Prerequisites — MMDetection 2.25.0 documentation
- MMdetection文档