gy77

针对有一点mmdetction基础的，然后想根据自己的数据集，熟练训练自己的模型。需要改成自己配置的地方，我会在代码中做好标记，方便修改。我们先了解一下mmdetection的基本流程，你想训练一个模型，你只需要准备的是：数据集，mmdetection的配置文件。下面我分为两部分，分别处理这两个东西。然后你就可以用官方实现的训练工具愉快的进行训练了。1. 数据集的处理先把数据集复制到mmdetection的data目录下，方便管理，data目录下一个文件夹就是一个数据集。dataset1/data/

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。

mmcls/mmdet模型部署至 TorchServe

各个文件说明：cls_requests_demo：分类模型请求api服务的demodet_requests_demo：检测模型请求api服务的demoinference：要修改的inference代码mmcls_handler：要修改的mmcls_handler代码torchserve_log：过程中遇到的报错集合。

使用OpenMMLab系列的开源库时，常用的脚本合集。

我们训练完的mmcls，mmdet等模型，保存好的训练权重pth是比较大的。并且里边有两个参数是我们推理的时候用不到的。我们能够看到瘦身前180m，瘦身后92m，跟pytorch官方的resnet50预训练权重差不多大。（会在resnet50.pth文件的同级目录下生成一个resnet50_thin.pth）我们在推理过程中其实只需要state_dict就可以了，里边保存的是我们训练好的权重参数。state_dict：我们模型的参数。optimizer：优化器的参数。meta：训练时的环境配置。

mmcls训练上传并安装在堡垒机中进入你的conda环境（下面的mmclassification改为自己的conda环境名字），然后安装一下就可以了。堡垒机安装mmcv下载mmcv安装包也是同样，去 mmcv GitHub官网 下载mmcv你想要的版本，复制-f后边的网址打开，然后选择自己要装的mmcv版本，下载下来。上传到堡垒机中后安装。堡垒机安装mmclassification1️⃣ ........................

0. 设备环境ubuntu–20.10GPU–3080cuda–11.0torch–1.7.0mmcv–1.3.8mmdetection–2.11.0所有的git的项目，都可以用 GitHub Proxy 代理加速 (ghproxy.com) 转链，尤其是swin transformer的权重文件，又大下载的又慢，转完链后就飞快了。1. 创建环境conda create -n swin python=3.7conda activate swin2. 安装pytorch(利用国内源

我看很多人都遇到了这个问题，有很多解决了的。我就把这篇博文再完善一下，让大家对mmdetection使用得心应手。mmdetection训练自己的数据集时报错 ⚠️ ：# AssertionError: The `num_classes` (3) in Shared2FCBBoxHead of MMDataParallel does not matches the length of `CLASSES` 80) in CocoDataset你可能已经修改了以下两个文件，但是还是报错：mmdetec