config是MMXXXX系列中的重点,可以用一个config文件跑所有的程序。这样处理的原因是参数过多。不只是因为模型参数多,选取的优化器,lr的各种变化,数据如何处理…等一堆参数。每次修改的时候,都不可能跑到源码中修改,那么一个config文件把这些所有的参数都写到一个文件中,然后程序一键构建。
config中的aaa.py文件常常索引了其他xxx1.py文件为base,并对其中部分参数进行修改。当我们查看文件xxx1.py时候,可发现xxx1.py又索引了xxx2.py文件。这样的索引可能会嵌套好多次。
举例说明:
faster_rcnn_r50_fpn_ciou_1x_coco.py 的 "_base_ = './faster_rcnn_r50_fpn_1x_coco.py'"
faster_rcnn_r50_fpn_1x_coco.py中的"
_base_ = [
'../_base_/models/faster_rcnn_r50_fpn.py',
'../_base_/datasets/coco_detection.py',
'../_base_/schedules/schedule_1x.py', '../_base_/default_runtime.py'
]"
|
|
|
config由三部分组成:
./tools/misc/print_config.py 可以查看config目录下某个配置文件的所有索引内容。
# 通过下面的命令可以查看./configs/fast_rcnn/fast_rcnn_r101_fpn_1x_coco.py 所有的配置信息
(mmdetection) lenovo@lenovo:/media/lenovo/document/Code/mmdetection$ python tools/misc/print_config.py ./configs/fast_rcnn/fast_rcnn_r101_fpn_1x_coco.py
#
#下面显示的内容是查看的结果
#初学者不知道原始嵌套的文件的信息,需要使用这个命令来看完整信息,然后再研究。
#**model是最重要,也是最难的**。config一定是字典,类似于下面的实例。
#模型的实际创建是非常复杂的,但为了便于理解,可以这样考虑:
""
backbone=dict(
type='ResNet',
中的type可以索引到/mmdetection/mmdet/models/backbones/__init__.py中声明的ResNet
我们可以根据实际需要修改其中一些参数。
""
#使用Python生成的文本是没有注释的。为了便于理解,增加注释部分
Config:
model = dict(
type='FastRCNN',
backbone=dict(#不同config文件的内容也不相同,要根据具体的模型来定。这里以backbone为例,进行讲解。
type='ResNet',#在./mmdet/models/__init__.py文件中有声明。可以自定义一个,但如果使用自定义,就必须重新编译一遍。
#下面这些参数是传递到./mmdet/models/backbones/resnet.py 的def __init__(......)函数中进行类初始化的。
depth=101,#可以按照需要改成50,60,3000......
num_stages=4,
out_indices=(0, 1, 2, 3),
frozen_stages=1,
norm_cfg=dict(type='BN', requires_grad=True),
norm_eval=True,
style='pytorch',
init_cfg=dict(type='Pretrained',
checkpoint='torchvision://resnet101')),
neck=dict(
type='FPN',
in_channels=[256, 512, 1024, 2048],
out_channels=256,
num_outs=5),
roi_head=dict(
type='StandardRoIHead',
bbox_roi_extractor=dict(
type='SingleRoIExtractor',
roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),
out_channels=256,
featmap_strides=[4, 8, 16, 32]),
bbox_head=dict(
type='Shared2FCBBoxHead',
in_channels=256,
fc_out_channels=1024,
roi_feat_size=7,
num_classes=80,#这里是80个分类。如果我们的监测目标是100,可以改成101
bbox_coder=dict(
type='DeltaXYWHBBoxCoder',
target_means=[0.0, 0.0, 0.0, 0.0],
target_stds=[0.1, 0.1, 0.2, 0.2]),
reg_class_agnostic=False,
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
loss_bbox=dict(type='L1Loss', loss_weight=1.0))),
train_cfg=dict(
rcnn=dict(
assigner=dict(
type='MaxIoUAssigner',
pos_iou_thr=0.5,
neg_iou_thr=0.5,
min_pos_iou=0.5,
match_low_quality=False,
ignore_iof_thr=-1),
sampler=dict(
type='RandomSampler',
num=512,
pos_fraction=0.25,
neg_pos_ub=-1,
add_gt_as_proposals=True),
pos_weight=-1,
debug=False)),
test_cfg=dict(
rcnn=dict(
score_thr=0.05,
nms=dict(type='nms', iou_threshold=0.5),
max_per_img=100)))
######################################
#下面内容是值,要用于传递给data = dict(......)
dataset_type = 'CocoDataset'
data_root = 'data/coco/'
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
dict(type='LoadImageFromFile'),
dict(type='LoadProposals', num_max_proposals=2000),
dict(type='LoadAnnotations', with_bbox=True),
dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
dict(type='RandomFlip', flip_ratio=0.5),
dict(
type='Normalize',
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=32),
dict(type='DefaultFormatBundle'),
dict(type='Collect', keys=['img', 'proposals', 'gt_bboxes', 'gt_labels'])
]
test_pipeline = [
dict(type='LoadImageFromFile'),
dict(type='LoadProposals', num_max_proposals=None),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
flip=False,
transforms=[
dict(type='Resize', keep_ratio=True),
dict(type='RandomFlip'),
dict(
type='Normalize',
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=32),
dict(type='ImageToTensor', keys=['img']),
dict(type='ToTensor', keys=['proposals']),
dict(
type='ToDataContainer',
fields=[dict(key='proposals', stack=False)]),
dict(type='Collect', keys=['img', 'proposals'])
])
]
######################################
# 数据类型与数据路径
data = dict(
samples_per_gpu=2, #batch size of each GPU. 本质就是dataload的batchsize
workers_per_gpu=2, #How many subprocess to use for data loading for each GPU
#上面两个参数正常是不需要更改的
train=dict(
type='CocoDataset',#数据类型,同dataset_type。 在./mmdet/datasets/__init__.py文件中有登记。可以在./mmdet/datasets/class CocoDataset(CustomDataset)中查看具体的参数
ann_file='data/coco/annotations/instances_train2017.json',#标注文件的路径。可以在这个json文件中写出绝对路径,也可以用下面的那个img_prefix写出来
img_prefix='data/coco/train2017/',#标注文件的前缀
pipeline=[
dict(type='LoadImageFromFile'),
dict(type='LoadProposals', num_max_proposals=2000),
dict(type='LoadAnnotations', with_bbox=True),
dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
dict(type='RandomFlip', flip_ratio=0.5),
dict(
type='Normalize',
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=32),
dict(type='DefaultFormatBundle'),
dict(
type='Collect',
keys=['img', 'proposals', 'gt_bboxes', 'gt_labels'])
],
proposal_file='data/coco/proposals/rpn_r50_fpn_1x_train2017.pkl'),
val=dict(
type='CocoDataset',
ann_file='data/coco/annotations/instances_val2017.json',
img_prefix='data/coco/val2017/',
pipeline=[
dict(type='LoadImageFromFile'),
dict(type='LoadProposals', num_max_proposals=None),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
flip=False,
transforms=[
dict(type='Resize', keep_ratio=True),
dict(type='RandomFlip'),
dict(
type='Normalize',
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=32),
dict(type='ImageToTensor', keys=['img']),
dict(type='ToTensor', keys=['proposals']),
dict(
type='ToDataContainer',
fields=[dict(key='proposals', stack=False)]),
dict(type='Collect', keys=['img', 'proposals'])
])
],
proposal_file='data/coco/proposals/rpn_r50_fpn_1x_val2017.pkl'),
test=dict(
type='CocoDataset',
ann_file='data/coco/annotations/instances_val2017.json',
img_prefix='data/coco/val2017/',
pipeline=[
dict(type='LoadImageFromFile'),
dict(type='LoadProposals', num_max_proposals=None),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
flip=False,
transforms=[
dict(type='Resize', keep_ratio=True),
dict(type='RandomFlip'),
dict(
type='Normalize',
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=32),
dict(type='ImageToTensor', keys=['img']),
dict(type='ToTensor', keys=['proposals']),
dict(
type='ToDataContainer',
fields=[dict(key='proposals', stack=False)]),
dict(type='Collect', keys=['img', 'proposals'])
])
],
proposal_file='data/coco/proposals/rpn_r50_fpn_1x_val2017.pkl'))
evaluation = dict(interval=1, metric='bbox')
#####################################
#下面是schedule的内容
##规定了优化器,学习率......等一堆参数。
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
lr_config = dict(
policy='step',
warmup='linear',
warmup_iters=500,
warmup_ratio=0.001,
step=[8, 11])
runner = dict(type='EpochBasedRunner', max_epochs=12) #训练总周期
checkpoint_config = dict(interval=1) #保存checkpoints的间隔。checkpoints保存了训练中的数据
log_config = dict(interval=50, hooks=[dict(type='TextLoggerHook')]) #打印log文件的间隔
custom_hooks = [dict(type='NumClassCheckHook')]
dist_params = dict(backend='nccl')
log_level = 'INFO'
load_from = None #加载参数
resume_from = None #重新加载(包含epoch等信息,会覆盖load_from)
workflow = [('train', 1)] #工作流train,val,test。
init.py文件中声明了这些模型。如果自己添加自定义模型的话,那么需要重新编译一遍。
文档内容是无论如何都没法把所有内容写全的,所以需要自己经常查看源码。