训练第一个MMClassification模型

一、 MMClassification项目结构

MMClassification的项目结如图如图所示，截图来自openmmlab的B站官方。不仅是MMClassification，openmmlab的其他工具包也是同样的项目结构。

二、MMClassification安装、验证

（一）安装

参考官方安装教程，安装MMClassification
在安装前，我们需要先安装通过sudo apt install git安装git，然后执行以下：

conda create --name openmmlab python=3.8 -y
conda activate openmmlab
pip install -U openmim -i http://pypi.douban.com/simple/ # 代表从豆瓣源安装，加快安装速度
mim install mmcv-full
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
pip install -e . -i http://pypi.douban.com/simple/

（二）验证

在MMClassification目录下打开终端

1.下载配置文件以及模型

mim download mmcls --config resnet50_8xb32_in1k --dest .

2.用模型进行验证测试

python demo/image_demo.py demo/demo.JPEG resnet50_8xb32_in1k.py resnet50_8xb32_in1k_20210831-ea4938fc.pth --device cpu

我们的demo.JPEG 确实是个蟒蛇

（三）训练第一个分类网络

在这里，我们训练第一个分类神经网络—猫狗分类，数据集在这里（提取码: f8m4，自解压文件）。

1.更改配置文件

在./mmclassification/configs/mobilenet_v2路径下，我们复制mobilenet-v2_8xb32_in1k.py文件为mobilenet-v2_8xb32_cat_dog.py（我电脑太垃圾，只能使用mobilenet_v2进行测试），然后对配置文件进行修改。

_base_ = [
    '../_base_/models/mobilenet_v2_1x.py',
    '../_base_/datasets/imagenet_bs32_pil_resize.py',
    '../_base_/schedules/imagenet_bs256.py',
    '../_base_/default_runtime.py'
]

（1）修改models

打开

./mmclassification/configs/__base__/models/mobilenet_v2_1x.py

复制以下代码至mobilenet-v2_8xb32_cat_dog.py

# model settings
model = dict(
    type='ImageClassifier',
    backbone=dict(type='MobileNetV2', widen_factor=1.0),
    neck=dict(type='GlobalAveragePooling'),
    head=dict(
        type='LinearClsHead',
        num_classes=1000,
        in_channels=1280,
        loss=dict(type='CrossEntropyLoss', loss_weight=1.0),
        topk=(1, 5),
    ))

修改为

# model settings
model = dict(
    type='ImageClassifier',
    backbone=dict(type='MobileNetV2', widen_factor=1.0),
    neck=dict(type