MMPretrain代码课

安装注意事项

训练时需要基于算法库源码进行开发,所以需要git clone mmpretrain仓库。如果只调用,则pip install 即可。
在这里插入图片描述

from mmpretrain import get_model, list_models,inference_model

分别用于模型的获取、例举、推理

在这里插入图片描述
此时还没加载预训练权重
在这里插入图片描述
torchvision中也有数据集和预训练模型,为什么还要选mmpretrian?

  • 支持分布式训练
  • 训练中断后恢复训练
  • 训练脚本中有很多功能
  • 保存每次训练的参数

图像分类任务配置文件详解

例如:图像分类任务,找到resnet18相关配置文件
在这里插入图片描述

便于后续修改
在这里插入图片描述
使用mmengine加载配置文件
在这里插入图片描述
修改类别数为2之后
在这里插入图片描述
数据集配置
在这里插入图片描述
MMpretrian中读取图像默认是用opencv做的,图像为bgr格式,需要转换。

此配置验证和测试不区分
在这里插入图片描述
schedule和优化器相关的操作
在这里插入图片描述
运行参数配置,日志打印间隔 interval
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MMPretrain是一个基于pytorch的开源深度学习预训练工具箱,它是OenMMLab的项目成员之一开发的。它提供了各种强大的预训练主干网络,并支持不同的预训练策略。MMPretrain源自著名的开源项目MMClassification和MMSelfSup,并开发了许多新功能。预训练阶段对于视觉识别非常重要,而MMPretrain通过提供丰富而强大的预训练模型,使我们能够改进各种下游视觉任务。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [计算机视觉 | 深度学习预训练与MMPretrain](https://blog.csdn.net/qq_37902216/article/details/131076259)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [开源预训练框架 MMPRETRAIN官方文档(概览、环境安装与验证、基础用户指南)](https://blog.csdn.net/qq_41627642/article/details/131561433)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [深度学习预训练与MMPreTrain](https://blog.csdn.net/travel_66/article/details/131073132)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值