【colab】在colab上使用mmdet训练自己的数据

一.开始

本文记录了在谷歌平台colab上使用mmdetV2.20训练自己的模型，包括具体流程和ipynb代码，使用colab的优点是价格较其他云平台较实惠，并且容易上手，缺点是存在限额，存在人机验证，每次最多使用24小时

二.修改并上传项目文件

出于方便修改的原因，我是在本地先下载mmdet项目，修改好具体代码，然后再上传到Google drive的。当然也可以在colab/drive中修改代码，不过稍微麻烦一点

1. 下载项目

到mmdet官网下载项目文件，本次项目选用了最新的V2.20

2. 制作coco数据集

制作自己的coco数据集，具体制作流程参考我之前发的文章，然后在mmdet项目下创建新文件夹data，将数据集放在里面，详细的信息如下图

3. 修改参数

需要修改的文件全部在config文件夹下，主要有两个文件夹

• configs/ bash 下的文件（定义基本的训练通用参数, 重点!）
• configs/具体模型（使用什么模型就修改对应文件参数）

3.1. configs/_bash_需要修改的参数

（1）configs/ base /datasets/coco_detection.py

首先修改训练/测试时候的 图片尺寸，我设置是640x640；其次修改训练/验证的 batch_size，分别对应第二个图的samples_per_gpu和interval，我这里设置是16（这个看GPU的性能）

（2）configs/ base /models/cascade_rcnn_r50_fpn.py(或其他模型)

这一步主要是修改种类数，修改 num_classes 为自己的类别（不需要考虑背景+1，有几种就修改成几种），这里我的瑕疵类别有3种

<