DL-Practise / OpenSitUp 训练自己的数据集（关键点检测）

源码

一、下载code

建立虚拟环境：conda create -n AI python = 3.8.5
激活虚拟环境：activate AI
切换路径：

e:

cd E:\xxxxxxx\OpenSitUp-main\OpenSitUp-main\Trainer

修改train.py：
1、保错与修改如下图所示：

主要是路径和关键点数目的修改。batch_size我改为5了
2、再次debug train.py,报错如下：

修改方法如图中注释：

注：若报错:

则表明报错和cuda有关，若没有安装cuda则更改如下图注释所示：

若安装了cuda 依旧报错，检测下载的torch版本是否是cuda系列，卸载重新安装cuda版本torch：
我的是：conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
3、新的报错：TypeError: a bytes-like object is required, not ‘str’

解决方法：
问题出在python3.5和Python2.7在套接字返回值解码上有区别:
python bytes和str两种类型可以通过函数encode()和decode()相互转换，
str→bytes：encode()方法。str通过encode()方法可以转换为bytes。
bytes→str：decode()方法。如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法。
将line.strip().split(“,”) 改为 line.decode().strip().split(“,”)，大功告成！

正确写法：（字符串转16进制）

server_reply = binascii.hexlify(s.recv(1024)).decode()
print(server_reply)

4、报错：ValueError: need at least one array to stack

5、报错：TypeError: train_step() missing 1 required positional argument: ‘local_rank’

解决方法：将62行的self.local_rank复制到64行，如下图：

6、报错： Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
解决方法：
在AI虚拟环境中搜索libiomp5md.dll
出现两个同名文件，其中第一个是torch路径下的，第二个是虚拟环境本身路径下的，转到第二个目录下把它剪切到其他路径下备份就好（最好把路径也备份一下）。
我是新建了一个文件夹放进去了，如下图，并记录地址：

然后就开始训练了

训练过程的结果会存储在save文件夹：

由图可知四个关键点都清楚地检测出来了。训练速度还能接受。

特别注意：以上记录的报错并不会全部出现，视具体情况而定，不需要全部修改上诉代码。其实安装环境正确的话可能只报三四个错误！！！

二、准备自己的数据集

切换到：cd E:\xxxxxxxx\OpenSitUp-main\OpenSitUp-main\LabelTool
安装库

pip install PyQt5

（注：删除原有的txt文件，标注一批ctrl+s一批，最后标注完保存后，点x号关闭标注界面会在图片文件夹中生成相应的txt文件。）运行作者准备的数据标注工具，在win10/python 3.8.5环境下,AI虚拟环境中，运行：
python main_widget.py

开始标注，单击鼠标左键进行标注，右键取消上一次标注。：如下图，共标记4个关键点，标签分别是0，1，2，3（批量标注，效率很高！）

标注完后生成的txt文件如下图：

原模型用来训练计数仰卧起坐的，只需三个点，我的数据有四个点（没有截四个点的图），需要修改infer.py。

三、修改推理代码 ——infer.py

1、跳入引用的函数方法：
选中该函数，右键->Go To ->Declaration or Usages

即可跳到上一步该函数内容：

然后继续在新函数下Go To，深挖具体函数步骤，如图：

到达run()函数，如图：

2、修改如下图所示内容：

如下图代码，推理过程未报错，但是推理图片是空白：

import sys
import os
import importlib
import torch
from torch import nn
from DLEngine.eval_project import EvalProject
from DLEngine.modules.cfg_parse.cfg_parse import parse_cfg_file
import models
#from torchstat import stat
import data
import cv2
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
import math

############################################################
MODEL_FILE='save/keypoint_shufflenetv2_heatmap_224_1.0_3kps-20220602091429/model_24.pkl'#修改路径
CFG_FILE='cfgs/key_point/keypoint_shufflenetv2_heatmap_224_1.0_3kps.py'#修改名称
IMG_PATH='/data/image_test/'#修改测试图片路径
#IMG_PATH='/data/zhengxing/temp/key_point_images/'
############################################################

def load_pre_train_ignore_name(net, pre_train):
    if pre_train == '':
        print('the pre_train is null, skip')
        return
    else:
        print('the pre_train is %s' % pre_train)
        new_dict = {
   }
        pretrained_model = torch.load(pre_train, map_location=torch.device('cpu'))

        pre_keys = pretrained_model.keys()
        net_keys = net.state_dict().keys()
        print('net keys len:%d, pretrain keys len:%d' % (len(net_keys), len(pre_keys)))
        if len(net_keys) != len(pre_keys):
            print(
                'key lens not same, maybe the pytorch version for pretrain and net are difficent; use name load')
            for key_net in net_keys:
                strip_key_net = key_net.replace('module.', '')
                if strip_key_net not in pre_keys:
                    print('op: %s not exist in pretrain, ignore'