mmdetection源码笔记（一）：train.py解读

引言：

刚接触mmdetection，建议不着急看代码，可以先去把config文件夹下的py配置文件先去好好了解一下，因为，要改动或者微调、以及复现论文中的精度，基本上都在config文件夹下进行修改数据。

• 【干货】用mmdetection，在COCO数据集上跑通faster R-CNN（测试、训练）
• 【干货】mmdetection使用coco格式的CrowdHuman数据集进行训练及测试（附调参过程）

上面文章是博主刚开始接触mmdetection时，跑通mmdetection的过程和复现论文CrowdHuman里fpn精度的过程，里面有 configs/faster_rcnn_r50_fpn_1x.py文件里的各个字段详细的解释。可以根据配置文件，修改参数，进行复现结果。
其他的py配置文件，就大同小异了，基本上差不多。
mmdetection源码解读，本文就直接先train.py文件下手。

train.py文件

里面主要就两个函数，parse_args()和main()。
作用：
parse_args()：其实就是获取命令行参数的一个过程，从创建解析对象，到对其解析（有点拗口，但不是重点，只要知道，这个函数用来获得命令行的各个参数就行了。）

main()：函数主入口，先做了一些config文件，work_dir以及log的操作（这些操作都是从命令行获得的，或者从命令行带有的文件里得到的参数等。）。
然后最主要的三个步骤就是调用build_detector()来创建模型，调用build_dataset()对数据集进行注册，然后在训练检测器train_detector()。

这里的三个函数build_detector()、build_dataset()、train_detector()我们先不讨论具体的实现。
根据我们之前看的py配置文件，以及跑通mmdetection，大致可以知道。执行train.py时，最主要的参数就是py配置文件。
博主当时跑通mmdetection时，执行训练的命令：

python tools/train.py configs/faster_rcnn_r50_fpn_1x.py

所以呢，我们就可以知道，build_detection()就是将py配置文件里的数据，加载到建立的模型中，然后根据py配置文件中的数据集路径，执行build_dataset()加载数据集模型，最后进行训练train_detector()。

ok，现在详细的来看下面代码。

# -*- coding: utf-8 -*-  
from __future__ import division
import argparse
import os
from mmcv import Config
from mmdet import __version__
from mmdet.datasets import build_dataset
from mmdet.apis import (train_detector, init_dist, get_root_logger,
                        set_random_seed)
from mmdet.models import build_detector
import torch


def parse_args():
    #argparse是python标准库里面用来处理****命令行参数****的库
    #ArgumentParser（）方法参数须知：一般我们只选择用description
    #description=None,    - help时显示的开始文字
    parser = argparse.ArgumentParser(description='Train a detector')#创建一个解析对象
    # add_argument向该对象中添加你要关注的命令行参数和选项
    # help		可以写帮助信息 
    parser.add_argument