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