mmdetection使用wandb查看训练日志

mmdetection查看日志之前一直是在用TextLoggerHook，已经觉得挺方便的了，自从用了wandb之后，发现wandb真不错，看log更方便了，回不去了。

wandb的简单配置：

wandb官网：https://wandb.ai/

wandb官方给的配置教程：MMDetection - Documentation（中文版） MMDetection - Documentation（英文版） 英文版有动态图片，比较直观。

首先你要去官网注册一个账号，然后去授权页面拿到私钥：Weights & Biases Authorize

在服务器安装wandb，并且用私钥登录

pip install wandb
wandb login

在配置文件里将log_config改为下面样式就可以了

基于mmcv版本的：

log_config = dict(interval=10,
                  hooks=[
                      dict(
                          type='MMDetWandbHook',
                          init_kwargs=dict(project='mmclassification',
                                           name='convnext-large_in21k-pre-3rdparty_64xb64_in1k',
                                           tags=['convnext-large',]),
                          interval=20,
                          log_checkpoint=False,
                          log_checkpoint_metadata=False,
                          num_eval_images=50)])

基于mmengine版本的：

vis_backends = [
    dict(type="LocalVisBackend"),
    dict(
        type="WandbVisBackend",
        init_kwargs={"project": "mmlab", "name": "faster_rcnn"},
    ),
]
visualizer = dict(
    type="UniversalVisualizer",
    vis_backends=vis_backends,
)

下面是一些解释说明，来源于wandb官方给的配置教程。

名称	描述
init_kwargs	(dict) 传递给 wandb.init 以启动W&B运行的 dict。一般用到的有project，name，更多的键值对可以参考：wandb.init - Documentation
interval	(int) 记录间隔（每k次迭代）。默认值为 50
log_checkpoint	(bool) 在每次检查点间隔时将检查点保存为 W&B 工件。其可用于模型版本控制，其中各版本均为检查点。默认值为False
log_checkpoint_metadata	(bool) 将在验证数据上计算的评估指标与检查点，以及当前epoch一起记录为该检查点的元数据。默认值为True
num_eval_images	(int) 需记录的验证图像数。如果为 0，则评估将不会被记录。默认值为100
bbox_score_thr	(float) 边界框分数阈值。默认值为0.3

完成上面简单几步之后，就可以愉快的训练了。

在Artifacts页面，你可以看到你模型的可视化输出，包括训练的模型中预测的图片，和数据集真实的图片。

点击放大按钮可以放大图片，非常方便啊。