【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集

一.开始

1. 这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过。
2. 如果是想使用faster_rcnn训练，则修改_bash_的model文件内的faster_rcnn的class_num即可(第四步修改参数部分会介绍)。
3. 这里可以看出mmdet使用的便利性，如果想使用其他模型训练，进行小修改也就可以了

二.配置训练环境

• 本次是使用的系统是linux的ubuntu20.04
  • cuda=10.2
    cudnn=7.6.5
    anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中）
    (以上软件安装可以参考其他博客)
  • pytroch=1.5.0
    torchvision=0.6.0
    cudatoolkit=10.2.89
    mmcv-full=1.3.1
    mmdetection=v2.11
    mmdet=2.11.0
    (这些软件安装在下面介绍)

1.创建虚拟环境、激活环境

在桌面打开终端，进行创建和激活环境（创建虚拟环境opne-mmlab并激活python=3.7）

conda create -n open-mmlab python=3.7
conda activate open-mmlab

输出如下图：

2.下载pytroch、torchvision、cudatoolkit

其中pytroch1.5.0 torchvision0.6.0 cudatoolkit==10.2.89

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch

如果下载较慢，可以到网站上下载对应