文章详细介绍了MMPose的实战过程，包括安装MMPose和其依赖的pytorch、mmcv，以及使用mim进行安装。接着讲解了如何按照COCO格式处理数据集，利用Labelme配置cfg文件，并进行模型训练和验证。此外，还涉及到了mmdet的训练流程。最后，文章提出了一个作业，即应用MMPose进行中医耳朵相关的数据集训练和预测。
title: MMPose实战
date: 2023-06-03 19:33:33
tags: [mmlab]
1.mmpose实战
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-upB0nxeF-1685795464549)(https://fastly.jsdelivr.net/gh/weijia99/blog_image@main/1685794454339MMPose%E5%AE%9E%E6%88%98.png)]
主要包括安装，mmdet实战，mmpose实战等三部分
1.安装
安装方法，可以直接去看官网教程，主要是是首先下载pytorch，之后下载mmcv，使用mim来进行安装。然后在github下载源码，使用源码进行安装。难点包括网速原因（ladder或者是搜索加速网站）
建议新装一个环境，pytorch和mmcv要一一对应。我之前是2.0.安装之后无法训练，是版本原因。所以重装了一个conda环境。
2.mmdet
mmlab代码的整体训练流程
- 数据集同意处理程coco的格式，使用lableme
- 设置cfg配置文件，这个歌文件包括模型，优化器，超参数，数据集还有pipeline，和权重
- 使用train来训练上述cfg或者是分布式训练使用bash脚本bash dist——train模型cfg
- 之后就是使用test来进行验证文件 test 模型 +pth进行验证
- 之后就是预测，一般使用命令行得到结果
3.mmpose
与mmdet同理，还是多个步骤
最后一步是集合mmdet的权重+mmpose的权重来指定向下来进行预测
4.作业
关于中医耳朵
- 首先是数据集下载，使用bypy这个python包进行下载
- 使用mmdet的训练流程来进行训练
- 使用mmposexunlliucheng进行训练
- 使用test来进行计算准确率
- 集合上述两个一起进行结果预测
扫一扫
547
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
