使用python对label生成的xml及labelme生成的json数据集统计类别及类别的数量 有时需要检查校准训练数据集的类别及类别个数，需要多训练集进行统计，脚本对label生成的xml及labelme生成的json数据集统计类别及类别的个数。
mmyolo训练yolov5~ppyoloe 相关文档： https://github.com/open-mmlab/mmdeploy/blob/dev-1.x/docs/zh_cn/get_started.md。使用mmyolo检测工具箱，完成yolo系列算法的训练，包括环境的搭建及yolo系列算法的配置文件等。yolo5~yolo8训练的config大致相同，yolox略有不同。二、训练yolo系列算法（以yolo6和yolox为例）2.安装pytorch、torchvision。2.写yolov6、yolox的配置文件。
MMselfSup训练自监督模型之mocov3 首先调整configs/selfsup/_base_/models/mocov3_resnet50.py文件中的温度系数参数。修改mocov3_resnet50_8xb512-amp-coslr-100e_in1k.py。数据集结构为datasetdir->｛namedirs｝->pics。新建位置自定，本人为：configs/selfsup/mocov3下。注：如果遇到不收敛（loss不降低）的情况。2.写模型自监督预训练的配置文件。4.下载mmselfSup并编译。根据自己的配置安装相应版本。
自监督学习相关概念及论文简述 在预训练过程中，BEiT 先将原始图片标记化，并且对图像块进行随机掩码，并将掩码后的图片输入到编码器当中，主要的预训练目标便是基于未掩码图像块来恢复掩码图像块。论文思想：MAE 相比于 BEiT，简化了整体训练逻辑，利用随机掩码处理输入的图像块，以及直接重建掩码图像块来进行训练。论文思想：SimMIM认为掩码部分采用随机掩码，并且适当增大图像块的分辨率即可获得很好的结果，并且文章中提供了对比试验的结果，当图像块分辨率为 32x32 时可以获得最好的效果，并将其设置为 ViT 模型的默认设置。
关注
