ViPT代码学习记录 train-test

写在前面///

前期环境部署跟着官网来就行，有部分包可能安装不成功，自己找对应的单独安装一下就行。

pycharm///

记得要更换解释器，新建一个正确的环境的python；如果local文件里的路径不对的话要更换成自己的，比如dataset的路径。

——代码部分

train///

下载官网给的foundation model，放置到pre trained目录下，官网给的是bash train_vipt.sh，不过这里我不需要用到一些多线程和蒸馏，所以就从lib.train.running_training文件开始。

这里主要需要改动的是main函数里的参数部分

--script 对应的你的跟踪器的脚本文件，我这里是vipt

--config 对应你训练时的配置文件，我这里训练rgbd，所以用的是deep_rgbd(experiment.vipt目录下的yaml文件)

yaml文件里的参数可以根据需求进行更改，需要添加给定的预训练文件名，也就是我们下载下来的foundation model，这里可能会出错提示找不到文件，那就把整个路径放进去，比较保险。我这里仅仅想跑通试试，所以把epoch改小就行了，包括几轮做一次val，几轮输出一个都在这里面改。

中间应该还有一些小bug调试，我忘了

训练起来之后，输出的参数在output里，pth.tar结尾，可以用于后续的test

test///

像vipt的代码里好像是没有test文件的，那就需要自己写一个，虽然我也不会写，先copy一个类似的过来，然后根据自己的需求改改。

这里还比较搞（因为自己菜），首先1.2两个参数和train里同理；

然后3.这里需要指定测试的dataset，因为我是做rgbd嘛，所以要放一个rgbd的数据集，如果用rgb的数据集的话后面就会出现3通道和6通道的匹配错误（maybe是叫这个），但是本身dataset文件里是没有depthtrack的，所以也需要自己加进去，用什么数据集test.evaluation里面就需要有对应的module，eg.我这里用了depthtrack，那么相应的就会用到test.evaluation.depthtrackdataset.py，没有的话就要自己加进去，以及test.evaluation.tracker里，数据集名称要放对。

最后4.这里的input_dtype是需要自己加进去的，如果没有的话，后面就没办法判断到底是rgb还是rgbd，加了这个参数之后就需要更改一系列相关的地方，不然会报错，可以根据报错提示一点点改。

test.py下

datasets.py下

data.py下