一只大憨憨的博客

以前用Swin Transformer Tiny训练了40epoch的，官方用的Faster RCNN，这里先用Swin Transformer Tiny进行测试。

DMNet论文复现（一）：数据准备

以下命令可以打印出配置文件所有信息，如打印configs\yolox\yolox_s_8xb8-300e_coco.py。

[MMDetection]绘制PR图

将里面的路径全部换为自己的路径，最重要的是将以下注释取消掉，特别注意以下两个参数。困扰了大半天的问题，终于解决了。

python tools/test.py config文件路径 权重文件路径 --show-dir 文件保存路径。同时绘制分类损失和回归损失，同时还可以指定--out losses.pdf，将结果保存为PDF文档。loss数据一般保存在训练文件夹的vis_data中的scalars.json文件中，如以下路径。python tools/test.py config文件路径 权重文件路径 --show。python tools/test.py config文件路径 权重文件路径。

[MMDetection]VOC数据格式转为COCO数据格式

[MMDetection]COCO数据集可视化验证

租用环境镜像:Pytorch 1.8.1-Horovod镜像描述:预装：Python3.7, CUDA 11.1, cuDNN 8.0.5, Pytorch 1.8.1, Horovod 0.22.1, Ubuntu 18.04, VNC, NVCC11.1, OpenMPI 4.0.0安装mmcv-full提前在/mnt文件夹下创建文件夹MMDetection，然后进入该文件夹，安装mmcv-full，此过程等待较久，大概半个小时。cd /mnt/MMDetectionpip instal

基于自己的毕设想法，今天开始研究如何使用MMDetection构建自己的模型。今天的想法是构建如下的双主干网络，主干网络采用Swin Transformer，直接开始记录。

生成 .condarc 文件，位于C:\Users\Admin\。在虚拟环境中安装pytorch、torchvision、cuda。

下载 C++套件生成工具，安装以下工具。安装cuda、torch等。安装mmdetection。安装mmengine。

一、环境配置1. 矩池云相关环境租赁镜像:Pytorch 1.5.0镜像描述:预装：Python3.8, CUDA 10.1, cuDNN 7.6, Pytorch 1.5.0, Ubuntu 18.042. 安装pytorch及torchvisionconda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch -y3. 安装MMDetectionpip install openmimmim in

1、创建虚拟环境conda create -n open-mmlab python=3.6 conda activate open-mmlab2、安装pytorchconda install pytorch=1.6.0 torchvision cudatoolkit=10.1 -c pytorch3、为Windows安装mmcv首先设置cl.exe的路径到系统的环境变量path路径下其中cl.exe的路径可以根据以下路径查找你自己的路径C:\Program Files (

OpenMMlab AI实战营Day5 MMDtetection教学

OpenMMLab AI实战营 MMClassfication实战

OpenMMLab AI实战营Day2 图像分类

OpenMMLab AI实战营Day1 计算机视觉算法基础与OpenMMLab