maskrcnn-benchmark 代码详解之 Registry.py

前言

registry的主要作用是作为模型字典来保存生成的不同网络结构模型,其有两处定义分别为utils里面定义的Registry.py和在modeling里面定义的Registry.py。前者是定义数据类型,后者是这个字典类型的一个集合,为保存不同的网络结构提供了不同的模型字典。具体代码详解如下:

# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.

# 将模型按照模型名称存储在指定的模型字典中
def _register_generic(module_dict, module_name, module):
    # 判断模型名字是否已经存在于模型字典中,已经存在则报错
    assert module_name not in module_dict
    # 把相应的模型保存按照指定的名称存在模型字典里
    module_dict[module_name] = module


# 这是一个拥有装饰器函数的类,用途是作为保存模型的字典
class Registry(dict):
    '''
    A helper class for managing registering modules, it extends a dictionary
    and provides a register functions.

    Eg. creeting a registry:
        some_registry = Registry({"default": default_module})

    There're two ways of registering new modules:
    1): normal way is just calling register function:
        def foo():
            ...
      
  • 4
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
在Windows下配置 maskrcnn-benchmark 环境需要遵循以下步骤: 1. 首先,确保计算机已安装好 Python3 和 CUDA。如果没有,请先安装这些依赖项。 2. 在命令行中使用 Git 命令克隆 maskrcnn-benchmark 仓库。可以使用以下命令: ``` git clone https://github.com/facebookresearch/maskrcnn-benchmark.git ``` 3. 进入克隆的仓库目录: ``` cd maskrcnn-benchmark ``` 4. 使用以下命令创建并激活 Python 虚拟环境: ``` python -m venv .env .env\Scripts\activate ``` 5. 安装 PyTorch。可以从 PyTorch 官方网站选择适合你的 CUDA 和操作系统的版本进行安装。例如,如果你的 CUDA 版本是 10.1,可以使用以下命令安装: ``` pip install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -f https://download.pytorch.org/whl/cu101/torch_stable.html ``` 6. 安装依赖项。运行以下命令来安装所需的依赖项: ``` pip install -r requirements.txt ``` 7. 编译 maskrcnn_benchmark。运行以下命令完成编译: ``` python setup.py build develop ``` 8. 配置 COCO API(可选)。如果你想在 COCO 数据集上进行训练和评估,可以安装 COCO API。在命令行中运行以下命令: ``` pip install cython; pip install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI' ``` 9. 最后,测试安装是否成功。可以运行以下命令执行一个简单的示例: ``` python demo/demo.py ``` 按照以上步骤配置 maskrcnn-benchmark 环境后,你将能够在 Windows 下使用该库进行目标检测和实例分割任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值