colab训练深度学习模型

最新推荐文章于 2024-08-29 12:41:05 发布

没有难学的知识

最新推荐文章于 2024-08-29 12:41:05 发布

阅读量556

点赞数

分类专栏：计算机文章标签：深度学习 python pytorch

本文链接：https://blog.csdn.net/m0_51797359/article/details/128598200

版权

计算机专栏收录该内容

4 篇文章 1 订阅

订阅专栏

该文详细介绍了如何在GoogleColab上下载数据集，安装必要的库如MMDetection，PyTorch，以及mmcv，然后自制数据集，训练模型，并分析训练结果。此外，还讲解了如何构建自定义模型和加载预训练权重以提升训练效果。

摘要由CSDN通过智能技术生成

1、下载数据集

从网上下载数据集后
打开colab笔记本，依次运行如下代码

from google.colab import drive
drive.mount('/content/drive')

%cd /content/drive/MyDrive
# 下载MMDetection，下载后注释掉
# !git clone https://github.com/open-mmlab/mmdetection.git

#卸载原有的pytorch
!pip uninstall torch torchvision -y
 
#线上安装新的pytorch
!pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html

# install mmcv-full thus we could use CUDA operators
!pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
#安装mmcv和额外的环境配置
!pip install ipykernel
!pip install mmpycocotools

#安装mmdetection
# %cd /
# !cp -a /content/gdrive/MyDrive/mmdetection /
%cd  /content/drive/MyDrive/mmdetection
!pip install -r requirements/build.txt
!pip install -v -e .  # or "python setup.py develop"

开始解压数据集

# 解压数据集到本地路径
!rm -rf /orange_resized
!unzip /content/drive/MyDrive/datasets.zip -d /

2、自制数据集

在这里插入图片描述

3、训练模型

在这里插入图片描述
在MMDetection里面有对比两个json文件的代码在Docs-Log Analysis

参数数据
对比代码示例，对比是两个json文件，绘制曲线，对比的参数是–key后面的，生成pdf图

!python tools/analysis_tools/analyze_logs.py plot_curve ```
work_dirs/compared_json/Swin.json work_dirs/compared_json/Cascade_RCNN.json 
--key bbox_mAP --legend Swin_Transformer Cascade_RCNN Mask_RCNN Faster_RCNN 
--title mAP --out mAP.pdf

4、构建自己的模型

只需要第一行写一个继承，后面的代码修改其中修改的部分就可以了

5、加入预训练权重

为了减少训练次数，同时又能达到训练结果，在训练前可以加入训练权重
权重模型在MMDetection官网

在这里插入图片描述

输入代码

#下载权重文件
!wget -P checkpoints https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r101_fpn_2x_coco/faster_rcnn_r101_fpn_2x_coco_bbox_mAP-0.398_20200504_210455-1d2dac9c.pth