mmdetection中如何保存save best epoch的checkpoints；MMdetection如何保存训练过程中评价指标最好/最优的轮次的模型

最新推荐文章于 2024-05-27 16:57:33 发布

liuyang_xyz

最新推荐文章于 2024-05-27 16:57:33 发布

阅读量5.8k

点赞数 6

文章标签：深度学习 tensorflow 人工智能

本文链接：https://blog.csdn.net/liuyang_xyz/article/details/122481335

版权

api的训练文件中需要

eval_hook = DistEvalHook if distributed else EvalHook

runner.register_hook(
    eval_hook(val_dataloader, save_best='bbox_mAP', **eval_cfg), priority='LOW')

将evalhook通过register_hook注册进入钩子列表里，实例化时加入参数save_best=就可，需要什么具体评价指标，就赋什么指标名称例如'bbox_mAP'，类型必须为字符串。

注意：evalhook虽然命名为hook，但是没有使用HOOK.registry_module()进行注册表注册所以也就不需要bulid。

如何保存save_best具体参见 DistEvalHook

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

liuyang_xyz

关注关注

6
点赞
踩
18

收藏

觉得还不错? 一键收藏
5
评论
mmdetection中如何保存save best epoch的checkpoints；MMdetection如何保存训练过程中评价指标最好/最优的轮次的模型

api的训练文件中需要
复制链接

扫一扫

使用mmdetection检测并存储结果

Allen__Iverson的博客

04-17

6977

使用mmdetection检测并存储结果使用voc格式样本训练检测并保存结果(添加nms) 使用voc格式样本训练修改mmdet/datasets/voc.py文件中类别，注意格式别出错 CLASSES = ('bird-nest',) 然后修改配置文件，其中img_scale是你输入图片的宽高，num_classes=数据集类别数+1(背景)，其他超参按照官网教程修改即可。如果要做精度评价...

解决Alexnet训练模型在每个epoch中准确率和loss都会一升一降问题

09-16

### 解决AlexNet训练模型在每个epoch中准确率和Loss都会一升一降的问题在深度学习领域，尤其是计算机视觉任务中，AlexNet是一个非常重要的里程碑。它在2012年的ImageNet比赛中以压倒性的优势获胜，开启了深度学习...

5 条评论您还未登录，请先登录后发表或查看评论

【MMdetection训练及使用脚本系列】MMdetection训练1——如何保存最优的checkpoint文件

北屿的博客

05-07

1235

但是不建议这样做，防止以后忘记这次更改的数据。建议可以从自己每次单独训练的.py文件进行更改。最下方会输出一个有序字典OrderedDict，我们可以指定相关的键来保存最好的模型。先来看用训练好的checkpoint文件跑test.py脚本的输出结果。这样在训练过程中会自动保存自己指定指标最高的checkpoint文件。（coco评价指标的第二行）保留最大checkpoint文件。是指保留第一个键对应最大值的checkpoint文件，即。（对应coco评价指标的第一行），也可以指定。

自动保存Bestmodel

weixin_45912366的博客

03-16

662

在mmseg的工程使用中，一般情况默认训练的次数是按照inter去计算的，比如swin中160000个inter，每4000次inter进行一次模型验证，并保存一次模型，这样的计算方式有时不能直接满足按epoch计算的训练方式。本用epoch来验证和保存模型，那么只需要修改config中的一处既可以。无论是每一次epoch都保存模型还是按照inter，每4000次inter都保存一次模型的方式，要想找到最优模型，还得自己去对着log文件找，太麻烦了。

Pytorch中的torch.save()文件保存格式探索以及mmdetection加载预训练模型参数对不齐和收到意外参数报错解决方案

m0_72806612的博客

05-27

508

先说原因：预训练模型在coco上预训练，而coco本身类别是80，所以它的主干网络送到其他的三个头（分类头、mask回归头、bbox头的参数种类对不上），我这个是个1个类别，加上背景。然后把继承的配置文件的训练策略改成一样的然后就可以了，有大佬对训练了解的深一些的可以在评论区讲解一下这个框架中的学习率sheduler策略有什么差别：在1x、2x、3x直接，我还在配置文件中看到一个20e.解决方案：把load_from中的权重下载下来，resize然后重新保存，即可。这里保存的是各个层的参数。

【mmdetection】MMdetection保存最佳权重文件

Gorgeous_wxd

05-05

3393

将evaluation = dict(interval=1, metric='bbox')改为evaluation = dict(interval=1, metric='bbox', save_best='auto')即可。

MMdetection3.3使用技巧

weixin_44052271的博客

03-25

7533

先来看用训练好的checkpoint文件跑test.py脚本的输出结果最下方会输出一个有序字典OrderedDict，我们可以指定相关的键来保存最好的模型。需要的操作就是在配置文件中进行如下修改： evaluation = dict(interval=1, metric='bbox', save_best='auto') save_best用于指定对应的键，'auto'是指保留第一个键对应最大值的checkpoint文件，即'bbox_mAP'（对应coco评价指标的第一行），也可以指定s

MMDetection 系列之高级指南（自定义运行设置之优化器、其他设置、学习率、工作流、有用的和自定义钩子）

qq_41627642的博客

05-13

4945

Pytorch支持的自定义优化器我们已经支持使用所有由PyTorch实现的优化器，唯一的修改就是更改配置文件的优化器字段。例如，如果您想要使用ADAM(注意性能可能会下降很多)，修改可以如下所示。 optimizer = dict(type='Adam', lr=0.0003, weight_decay=0.0001) 要修改模型的学习率，用户只需修改optimizer配置中的1r即可。用户可以直接在PyTorch的API文档添加链接描述后面设置参数。定制self-implemented优化器 1、D

基于计算机视觉mmdetection框架的半导体芯片OCR系统python实现源码+项目说明.zip

最新发布

08-09

基于mmdetection框架的半导体芯片OCR系统python实现源码+项目说明.zip 使用： 1、进入虚拟环境 2、进入文件夹下 3、创建WORK_DIR文件夹输入命令开始训练 python tools/train.py configs/pascal_voc/faster_rcnn_...

基于Python的模型的保存、恢复、继续训练.zip

10-17

首先，模型的保存是为了防止训练过程中的意外中断，或者为了便于在不同的计算平台上共享和部署模型。Python中的`keras`库提供了便捷的方法来保存模型的结构和权重。使用`model.save()`函数可以将整个模型保存为一个`...

基于python的中文预训练RoBERTa模型型

03-21

**基于Python的中文预训练RoBERTa模型** 在自然语言处理（NLP）领域，预训练模型已经成为理解和生成人类语言的关键技术。RoBERTa（Robustly Optimized BERT Pretraining Approach）是BERT（Bidirectional Encoder ...

mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth

04-23

mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth

keras 如何保存最佳的训练模型

09-16

通过合理配置，我们可以确保在训练过程中保存的是模型的最佳状态，从而在后续使用中获得最优的预测性能。此外，保存所有有提升的模型可以用于模型验证和分析训练过程中的性能变化。在实际应用中，根据需求选择合适的...

【mmsegmentation】工程--使用小技巧

向上生长的程序媛的博客

10-27

3189

在mmseg的工程使用中，一般情况默认训练的次数是按照inter去计算的，比如swin中160000个inter，每4000次inter进行一次模型验证，并保存一次模型，这样的计算方式有时不能直接满足按epoch计算的训练方式。本人还是习惯用epoch来验证和保存模型，那么只需要修改config中的一处既可以。

Tensorflow2——模型保存与加载以及训练数据保存和断点续训

weixin_43387852的博客

03-15

7585

你能收获什么？通过阅读这篇博客，你可以了解如何在Tensorflow训练过程中保存准确率和loss,以及如何在tensorflow中保存与加载模型，如何在重新接着上一轮的训练过程继续训练。最近在神经网络训练的过程中，需要保存训练过程中的数据，并且再下次训练的时候能够接着上次训练的结果进行断点续训。所以通过Tensorflow2官网查询到对于model.fit相关的回调函数的编写方法。下面总结了一下，在Tens

将训练和测试的loss、accuracy等数据保存到文件

地中海の养成记

01-27

1万+

1.csv文件1.1 创建csv文件1.2 将数据写入csv文件1.3 可视化2.txt文件2.1 创建txt文件并写入数据 1.csv文件 1.1 创建csv文件这里用的是pandas库，以创建train_acc.csv为例，var_acc.csv类似代码 import random import pandas as pd from datetime import datetime #创建train_acc.csv和var_acc.csv文件，记录loss和accuracy df = pd.Da.

深度学习目标检测工具箱mmdetection，训练自己的数据