打卡第三课

mim 使用：

安装： pip install openmin, mmengine

安装库：mim install mmcv-full mmcls

下载模型： mim download mmcls --config cfg_file --dest . （下载至当前目录）

推理API

from mmcls.apis import init_model, inference_model

初始化模型： model = init_model( cfg_file, ckpt_file, device='cuda:0' )

调用类，构造实例，同时载入权重

ckpt = torch.load( ckpt_file )

Classfier.load_state_dict(ckpt['state_dict'])

模型推理： result = inference_model(model, img)

对应 data-test的处理

可视化： from mmcls.apis import show_result_pyplot

show_result_pyplot(model, img, result)

数据处理pipelie:

代码

from mmcls.datasets.pipeline import Compose

pipeline = Compose([ dict1, dict2, ... ])

data = dict(img_info=dict(filename=img), img_prefix=None)

data = pipeline(data) #读取文件，并预处理

在torchvision里存在等效代码

from PIL import Image

from torchvision.transforms import Compose, Resize, CenterCrop, Normalize

transform = Compose([Resize[256], ... )

自定义数据集训练模型：

model

修改 num_classes

load_from = ckpt_file

data

train

data_prefix = path 数据路径

ann_file = 标注路径，若无则按文件夹自动处理

val test 同等处理

optimizer

lr 按照 GPU数目线性放缩，微调比训练需要的lr更小一些

runner - max_epoch

checkpoint_config - interval

log_config - interval

训练模型 mim train mmcls cfg

北京超算

module avail 查看已安装工具

module load anaconda/2021.05 激活

conda create --name mmcls python=3.8

安装pytorch，使用pip：conda会额外安装 cuda toolkit，且 失败时pip报错，而conda会安装cpu版本

检查 gcc版本 gcc --version

pip install -e . 编译安装，也同时会安装依赖包

没看完，暂写到这 0v0