Detectron2（二）： Trainer

1 train_net.py中的Trainer是继承了detectron2/engine/defaults.py中的DefaultTrainer类，而该类又是继承了detectron2/engine/train_loog.py中的SimpleTrainer类，而SimpleTrainer又继承了相同文件里面的TrainerBase类
a. 在最基础的TrainerBase类中定义了register_hooks，train，before_train，after_train，before_step，after_step，run_step等函数，具体来说就是register_hooks就是对输入的hooks进行注册（后面解释hooks的用处），然后before_train，after_train，before_step，after_step等就是调用hooks中每个hook对应的函数（hook类参照detectron2/engine/train_loog.py中的Hookbase类，就是定义了一个hook的四个函数before_train，after_train，before_step，after_step），train就是调用各种before_train，after_train，before_step，after_step及run_step函数
b. 在SimpleTrainer主要定义了run_step函数，即一个训练过程，从输入到模型输出，计算损失函数到计算梯度等，还有_write_metrics这个记录日志函数
c. 在DefaultTrainer类中，首先就是初始化了model，optimizer，dataloader，lr_scheduler以及self.register_hooks（这个是继承了TrainerBase类），这里主要定义了build_hooks函数（调用了detectron2/engine/hooks.py里面的各种hook类）

下面对每个细类进行分解
a. DefaultTraine类中的optimizer调用了的detectron2/solver/build.py中的build_optimizer函数，就是一个基本的SGD优化器，同样里面的scheduler调用了detectron2/solver/build.py中的build_lr_scheduler函数，这个函数主要包括两种学习率曲线，WarmupMultiStepLR和WarmupCosineLR都在detectron2/solver/lr_scheduler.py中进行了定义（可以供以后别的项目参考使用）
b. 对于hooks.py中的所有hook，以后在详细分解…
c. 对于models以后在分解…