Pysot笔记

代码地址：
https://github.com/STVIR/pysot

数据集链接
PySOT中使用的是处理过的图片，经过裁剪后的数据集百度网盘链接：
链接：https://pan.baidu.com/s/1kvEDkNfzgLW7j5PfefC_tA?pwd=wocz
提取码：wocz

训练断点重续
训练过程中不可避免会出现意外，而且训练时间很久，如果重新运行算法，训练会默认重新训练（从epoch1开始），不会断点重续，但其实Pysot代码是有这个功能的，我也是好多次之后才发现。。。
打开tools/train.py文件修改第三百行，指定cfg.TRAIN.RESUME的路径，即可加载之前一半的模型。

原文链接：https://blog.csdn.net/qq_40199447/article/details/122884138

pretrained_model下载

从作者提供的谷歌网盘地址下载预训练模型并修改pysot/core/config.py：https://gitcode.net/mirrors/stvir/pysot/-/blob/master/TRAIN.md

训练集数据代表的含义

路径问题

“/”：代表根目录。

“./”：代表目前所在的目录。

" . ./"代表上一层目录。

参考：http://t.csdn.cn/tvMJ5

项目路径添加到环境变量

单机多卡训练
用train.py直接运行时：
单机单卡


指定GPU
指定0卡和1卡：os.environ[‘CUDA_VISIBLE_DEVICES’]=“0，1”
但需要将此语句放在import torch之前

os.environ[‘CUDA_VISIBLE_DEVICES’] 是一个环境变量，可以通过设置它来限制程序所能看到的可用 GPU 设备列表，从而确保程序只使用指定的 GPU 设备。设置该环境变量可以使用 os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘0,1’，其中的 ‘0,1’ 表示程序只能看到编号为 0 和 1 的 GPU 设备。

批量解压.tar压缩包：for tar in *.tar; do tar xvf $tar; done