还会长的桔子-CSDN博客

原创 mmsegmentation进阶使用学习笔记（三）——配置运行设定

dynamic_intervals: Optional[List[Tuple[int, int]]] = None) -> None: # 个可选的里程碑列表，每个里程碑（元组）包含一个轮次和一个间隔，用于在达到该轮次后更改验证频率。循环控制器指的是训练, 验证和测试时的执行流程, 在配置文件里面使用 train_cfg, val_cfg 和 test_cfg 来构建这些流程。max_epochs: int, # 训练的总轮次数。在使用时，就需要更改训练设置的配置，不同的类需要传入的参数不同。

2024-10-31 15:33:56 1142

原创 mmsegmentation进阶使用学习笔记（二）——添加自定义模块

具体模型配置文件：configs/gleformer/gleformer_mit-b5_1xb4-20k_voc12aug-512x512.py。开发新的分割器需要重写与 loss、predict 和 tensor 相对应的 loss、predict 和 _forward 方法。所有组件，包括主干网络（backbone）、头、损失函数、数据预处理器、分割器（segmentor）等都可以自定义。基础数据配置文件：configs/_base_/datasets/voc_road.py。

2024-10-31 15:25:43 841

原创 mmsegmentation进阶使用学习笔记（一）——添加自定义数据集

该配置文件中包含了数据集类型和根目录、数据增强和处理流水线、数据加载器（train_dataloader、val_dataloader、test_dataloader）、评估器（val_evaluator 和 test_evaluator）super().__init__(...)中调用基类的初始化方法，传递必要的参数。这里只需要在voc.py中把第二个类别名称改为道路类别，把对应颜色改为白色，不需要管其他类别，因为在道路提取时只分为两个类。还需要在同目录的_init_.py文件中补充导入。

2024-10-15 11:06:48 1016

原创 mmsegmentation基础使用学习笔记（四）——常用工具&可视化

例如，在 _base_/schedules/schedule_20k.py 中，修改 SegVisualizationHook 配置，将 draw 设置为 True 以启用网络推理结果的存储，interval 表示预测结果的采样间隔，设置为 1 时，将保存网络的每个推理结果。`SegDataSample` 是在 MMSegmentation 中定义的不同组件之间的数据结构接口，预测结果会被保存在 $WORK_DIRS/vis_data 下的 vis_image 中。类别的名称和表示颜色是一一对应的。

2024-10-13 18:30:50 1469

原创 mmsegmentation基础使用学习笔记（三）——使用现有模型在单GPU上进行训练和测试&代码解析

当使用PyTorch版本>=2.0.0时，“torch.distributed.launch”将把“--local rank”参数传递给“tools/train.py”，而不是“--local_rank”。# 当使用PyTorch版本>=2.0.0时，“torch.distributed.launch”将把“--local rank”参数传递给“tools/train.py”，而不是“--local_rank”。# 根据配置文件构建runner，继承OpenMMLab框架中的训练逻辑。

2024-10-07 20:56:53 1055

原创 mmsegmentation基础使用学习笔记（二）——准备数据集&使用预训练模型推理

mmseg支持20+不同的数据集，下载好数据集后需要按规定的格式放进data路径下。我需要使用自己的数据集，并不会用到官方数据集，所以使用自己数据集的部分会写到进阶的笔记中。

2024-10-07 18:09:59 1137

原创 mmsegmentation基础使用学习笔记（一）——配置文件

，然后修改配置文件中的字段。数据处理流程中会包含图像的加载、标签的加载、数据增广（调整大小resize、随机剪裁crop、翻转flip、光学处理、打包）。数据加载器的配置包含每个gpu的batch_size、每个gpu的进程个数、对应的数据集配置（类型、路径、前缀、处理流程）。在dict（）的内容中设置_delete_=True并加入新的键值，那么就会用新的字段去替换继承的文件中旧的键值。model = dict() # 模型的配置，包括了模型会使用到的骨干网络、解码头、辅助头、训练和测试设置。

2024-09-28 20:21:56 967

原创 Linux系统 mmsegmentation环境配置

由于mmseg做过较大的版本改动，直接按照官网的教程可能出现版本不适配的问题~这篇就是记录我自己在官网教程的基础上，改变每一步的具体版本，以防出现版本不适配的问题。首先要明确，CUDA版本、pytorch版本和numpy版本不同都有可能与mmcv版本不适配，导致环境配置出现冲突，所以都需要注意。我的版本信息：CUDA11.3、pytorch1.12.0、python3.9、numpy1.23我租用的服务器信息：即使你目前的版本和我的不同，也可以参考我的步骤。

2024-09-27 18:58:29 1172 4