mmsegmentation 训练自己数据集

配置好mmsegmentation 和mmcv （见上一篇博客）

这里以swin transform 为例，这里新建my_data目录复制进去所需要的文件

1. 新建my_data->swin

将所有的实验训练的config文件全部放在swin文件下

根据想要训练的网络，在configs目录选取网络模型及输入尺寸，迭代次数等

（1）这里训练的是swin，所以选取Swin_Transformer/configs/swin/upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py

将其放在新建my_data->swin文件夹下。

upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py文件中是这样的。所以再将

'../_base_/models/upernet_swin.py', '../_base_/datasets/ade20k.py', '../_base_/default_runtime.py', '../_base_/schedules/schedule_160k.py' 复制过来

（2）选取Swin_Transformer/configs/_base_/models/upernet_swin.py文件复制到
新建my_data->swin文件夹下

（3）因为我这里使用的是voc格式数据集，所以选取Swin_Transformer/configs/_base_/datasets/pascal_voc12.py文件复制到
新建my_data->swin文件夹下

（4）将Swin_Transformer/configs/_base_/default_runtime.py文件复制到
新建my_data->swin文件夹下

（5）将Swin_Transformer/configs/_base_/schedules/schedule_160k.py文件复制到新建my_data->swin文件夹下

（6）新建一个空白__init__.py文件

my_data->swin文件夹下，如图

2.按照需求修改训练config （即新建my_data->swin文件夹下的文件）

（1）修改pascal_voc12.py，因为使用的是自定义数据集

一、创建一个my_datasets.py用这个代替pascal_voc12.py，并修改dataset_type = 'MyDataset'

二、此时新建data文件夹，将自己的数据集(VOC格式)，放在其中，格式如下，并且图片为jpg，mask为png。

三、在mmseg/datasets新建一个文件my_dataset.py仿照voc.py修改内容

四、在mmseg/datasets/__init__.py中把自己的数据集添加进去：

（2）修改upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py，（因为位置发生改变）  

这里还需要修改num_classes  为自己的类别+1 算上背景 ！！！！！

Swin_Transformer/my_data/swin/upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py

（3）修改schedule_160k.py

【mmsegmentation】工程--使用小技巧_mmseg 使用epoch训练-CSDN博客

修改最大迭代次数，以及模型保存的间隔，评估的间隔

mmseg默认训练的次数是按照inter去计算的，swin中160000个inter，每16000次inter进行一次模型验证，并保存一次模型。

这里修改为epoch来验证和保存模型，修改config

另外 保存bestmodel  在mmseg/apis/train.py，找到runner.register_hook这里，修改原有的钩子定义

（4）修改upernet_swin.py文件   my_data/swin/upernet_swin.py

修改norm_cfg SyncBN->BN 单卡用BN
修改num_classes 2处

（5）修改

3. 训练修改

（1）修改 /hy-tmp/Swin_Transformer/tools/train.py

parser.add_argument('config', help='Swin_Transformer/my_data/swin/upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py')

parser.add_argument('--work-dir', help='Swin_Transformer/my_data/swin_logs') #日志保存

parser.add_argument(
    '--load-from', help='Swin_Transformer/weights/swin_tiny_patch4_window7_224.pth')

（2）单卡训练，修改

4. 进入到tools路径下 python train.py 模型训练