mmdetection源码笔记（五）：测试之test.py的解读

最新推荐文章于 2024-08-05 22:53:16 发布

Activewaste

最新推荐文章于 2024-08-05 22:53:16 发布

阅读量9.7k

点赞数 6

分类专栏： mmdetection源码笔记文章标签： mmdetection

本文链接：https://blog.csdn.net/qq_41375609/article/details/100025556

版权

本文详细解读mmdetection框架中的test.py文件，包括单GPU和多GPU测试代码，重点分析collect_results()和main()函数。在测试过程中，主要调用了模型的前向传播方法，并使用coco_eval API进行评估。

摘要由CSDN通过智能技术生成

引言

在test阶段有以下几个方法：

single_gpu_test()：顾名思义，就是单GPU测试，该方法在main()中调用，当不分布式测试的时候，则运行次测试方法，该方法的实现中，其实是调用了检测器测试过程的forward()前向计算过程，以cascade_rcnn为例，在cascade_rcnn的父类中的forward()方法中，通过判断test_mode当前处于训练还是测试阶段，来调用在cascade_rcnn类中重写的forwad_train()和simple_test()方法，来完成训练和测试的前向传播过程。
multi_gpu_test()：同上。
collect_results()：
parse_args()：读取命令行参数。同训练文件train.py中的parse_args()作用一样。这边就不讲了
main()：该py文件的主体过程，在main中，读取配置文件，读取模型文件，读取数据集，加载检查点模型，然后开始进行测试，并将测试过程的前向传播的结果，进行eval，这个eval过程，主要是调用了cocoEval的API来完成的（cocoEval.evaluate()、cocoEval.accumulate()、cocoEval.summarize()，这些在coco_utils.py中被调用）。

单gpu测试和多gpu测试代码：

# coding=gbk
import argparse
import os
import os.path as osp
import shutil
import tempfile
import mmcv
import torch
import torch.distributed as dist
from mmcv.runner import load_checkpoint, get_dist_info
from mmcv.parallel import MMDataParallel, MMDistributedDataParallel
from mmdet.apis import init_dist
from mmdet.core import results2json, coco_eval, wrap_fp16_model
from mmdet.datasets import build_dataloader, build_dataset
from mmdet.models import build_detector

def single_gpu_test(model, data_loader, show=False):# 单 gpu 测试
   model.eval()                    
   #model.eval() 将通知你所有的图层你处于评估模式，这样，batchnorm或dropout图层将在eval模式而不是训练模式下工作。
   #torch.no_grad() 影响autograd引擎并停用它。它将减少内存使用并加快计算速度，但将无法进行反向提升（在eval脚本中不需要）。
   results = []
   dataset = data_loader.dataset                   # Dataset对象
   prog_bar = mmcv.ProgressBar(len(dataset))       # 进度条
   for i, data in enumerate(data_loader):          # data是个字典
       with torch.no_grad():                       # with torch.no_grad() 使用 no_grad 上下文管理器，处理autograd引擎并阻止它计算渐变
           result = model(return_loss=False, rescale=not show, **data)  # result = model()??? 传入data，调用的应该是测试函数
       results.append(result)

       if show:
           model.module.show_result(data, result, dataset.img_norm_cfg) # show_result() 在 module类定义的方法里

       batch_size = data['img'][0].size(0)         # data是个字典：有字段img,img_meta。
       #'img':[tensor([[[[....]]]])]
       #'img_meta': [DataContainer([[{'ori_shape': (600, 800, 3), 'img_shape': (800, 1067, 3), 'pad_shape': (800, 1088, 3), 'scale_factor': 1.3333333333333333, 'flip': False}]])]
       #print(data)              
       #print(data['img'])                         # 是个tensor
       #print(data['img'][0])                      # 是个 tensor
       #print(batch_size)                          # batch_size = 1
       #exit("输出数据查看结束！")
       for _ in