mmdet 实践:
mmdet项目简述; 环境搭建openbayes;mmdet进行模型推理;mmdet使用来检测水果;
预训练模型,开箱即用->使用几行的api来调用检测;
微调训练:包含了算法,修改配置文件改写和调参就可以开始训练;
深度学习模型的训练涉及的几个方面:
模型结构: 有些模型会分为base,large... 涉及到你是用的模型的简单的层数的修改,每层多少通道数等参数级别的修改;
数据集:使用的什么数据集去训练?个人数据集所需要做的划分,格式规整,数据文件路径,数据增强手段;
训练策略,shedule: lr 变化方法,梯度下降算法 adamw,batchsize,epoch设置;
运行所需的GPU环境配置和分布式环境配置;
辅助功能,log的打印,定时保存checkpoint等;
config文件定义了这些东西:
model字段定义模型;data字段定义数据;optimizer, lr_config等字段定义训练策略;load_from 字段定义与训练模型的参数文件;
代码库结构(重要):