MMLAB系列：MMCLS基本操作

已于 2023-12-03 23:18:22 修改
阅读量2.2k 收藏 1
点赞数 1
分类专栏： MMLAB实战+深度学习模型剪枝与部署+顶会论文 文章标签： 人工智能 深度学习 计算机视觉 目标检测 transformer
于 2022-08-28 14:44:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_52053775/article/details/126555805
版权
本文档介绍了如何使用MMCLS进行图像分类，包括环境配置、模型、数据集、训练日程和训练自定义数据集的步骤。在训练自定义数据集时，需要修改模型配置文件，调整类别数，并使用txt文件存储图像和标签。
摘要由CSDN通过智能技术生成

MMCLS链接:GitHub - open-mmlab/mmclassification: OpenMMLab Image Classification Toolbox and Benchmark

环境配置 

  • 1.下载mmcv
pip install -U openmim
mim install mmcv-full
  • 2.手动下载代码到本地或者使用 
    git clone https://github.com/open-mmlab/mmclassification.git
  • 3.进入mmdetection目录:cd mmclassification
  •  4.pip install -v -e .

如需使用 下载对应版本的mmcv

eg:

mim install mmcv-full==1.7.0

1.可能出现的问题

日志信息打印不出来 

可能是版本不适应，降低版本即可

了解本专栏 订阅专栏 解锁全文 超级会员免费看
MMLAB系列：MMCLS训练结果验证与测试
qq_52053775的博客
08-28 1107
运行demo/image_demo文件，指定模型参数运行。
MMLAB系列：mmsegmentation的使用
qq_52053775的博客
09-10 2089
数据可以使用labelme进行数据标注，labelme还提供了数据集格式转换脚本，可以将labelme数据集格式转换为voc数据集格式转换后：JPEGImages为图片，SegmentationClassPNG为标签。
【超详细】MMLab分类任务mmclassification：环境配置说明、训练、预测及模型结果可视化展示
阿旭的博客
03-18 4231
【超详细】MMLab分类任务mmclassification：环境配置说明、训练、预测及模型结果可视化展示
MMcls 分类
weixin_46310125的博客
02-04 326
mmcls
MMLAB学习-MMCLS项目-模块配置文件组成
qq_45893652的博客
11-15 518
模型模块大多数网络的模块大同小异，认识各个模块的之后就是可以训练自己的任务，构建自己的数据集了。
mmclassification安装编译
lh_lyh的博客
04-27 1161
安装教程 直接安装pytorch和torchvision 安装mim： pip install openmim 安装mmcls git clone https://github.com/open-mmlab/mmclassification.git cd mmclassification mim install -e . 标题编译过程中遇到的问题 ImportError: No module named ‘_bz2’ 解决方案：参考链接 we can download file:_b
调试mmcls
liguandong
05-11 728
调试mmcls主要是让自己记住要改的几步，不然总是容易忘。 1.数据输入有两种，一种可以带ann_file形式，一种是不带，通常不带的，就直接取train文件下的几类做训练的，如果是带，形式上是一行图片名称，后面跟类别， 135efbeaeb592d3b51edca5dff099de6 1 这种形式是不可取的，要完整的文件名，否则要去修改一下，要记住mm系列中数据集和数据前处理是分离的，数据集是用来__getitem__和测评数据的，前处理是处理成模型想要的输入格式。格式不对，属于读取数据在load
【mmcls】mmdet中使用mmcls的网络及预训练模型
豆芽菜
06-15 2223
mmcls现在叫mmpretrain，以前叫mmclassification，这里为了统一称为mmcls。在基于MM框架的下游任务，例如检测(mmdetection)中可以使用mmcls中的backbone进行特征提取，但这就需要知道网络的参数以及输出特征的维度。本文简单介绍了在mmdetection中使用mmcls中backbone的方法。mmdetection中需要配置backbone、模型权重及neck的特征维度等信息。
MMLAB系列：mmdetection的使用
qq_52053775的博客
08-29 1579
mmdetection支持coco和voc数据格式，建议使用coco数据格式。
MMLAB系列:mmsegmentation基于u-net的各种策略修改
qq_52053775的博客
10-03 1900
按照博客所示的步骤，生成配置文件，并进行修改，配置文件的各个type都是已经注册好的，可以根据自己的需要进行修改。其中，所有的type，都可以在mmsegmentation\mmseg\models中找到。上一篇博客 MMLAB系列：mmsegmentation的使用_樱花的浪漫的博客-CSDN博客。
基于mmcls的车辆属性识别
qq_41950508的博客
09-29 1722
本研究主要针对车辆属性识别课题。研究能够识别车辆多种外观属性的智能算法，这些属性包含颜色、 类型、副驾驶是否有人、是否系安全带、遮阳板是否放下、车辆朝向、是否有车顶架等。该数据集来自于论文（A Deep Learning-Based Approach to Progressive Vehicle Re-identification for Urban Surveillance），其中提到为了促进车辆重识别(Re-Id)的研究，我们在现实世界城市监控场景中建立了一个名为VeRi的车辆重识别的大规模基准数据集。
MMclassification中出现ModuleNotFoundError: No module named ‘mmcls‘的解决方案
m0_56180742的博客
01-08 1846
当报出此错误的时候ModuleNotFoundError: No。named ‘mmcls’，要么是没有安装该模块，要么就是。该模块没有添加到正在使用的python解释器的环境变量之中。这是需要在自己的虚拟环境下 将mmcls添加到环境变量中。mmcls所在的路径。
mmcls 多标签模型部署在torch serve
gy77
09-08 645
各个文件说明：cls_requests_demo：分类模型请求api服务的demodet_requests_demo：检测模型请求api服务的demoinference：要修改的inference代码mmcls_handler：要修改的mmcls_handler代码torchserve_log：过程中遇到的报错集合。
mmclassification源码阅读(二) mmcls库组织结构说明
alex1801
08-06 2375
1、示例说明 以tools/train.py运行时，加载过程为例。执行命令： python tools/train.py configs/cifar10/resnet50.py 导入代码为： from mmcls import __version__ from mmcls.apis import set_random_seed, train_model from mmcls.datasets import build_dataset from mmcls.models import build_
mmcls多标签分类实战（一）：制作多标签数据
litt1e的博客
06-16 5293
Multi-Label：多标签分类指当图片或者文本存在多个属性时，多标签分类能够对一张图片中的多个属性进行分类识别。下面将用mmclassification框架完成一次多标签分类实战。Multi-class与Multi-label的区别 首先，我们需要构建数据集，需要注意的是，多标签分类的数据集与多分类数据不同。Multi-class的label中只存在一个‘1’，而Multi-label中对应多个属性，label可以有多个‘1’。Multi-class构建数据集比较简单，只需要将不同类别的图片归纳到不同文
mmcls中的配置文件继承
jinxianwei1999的博客
11-12 562
mmcls的配置文件更改
mmLab系列使用方法
keep
01-10 1398
mmLab系列从环境搭建到模型训练，再到C++部署过程
mmlab之模型冻结训练
最新发布
始于足下
08-17 522
在深度学习任务中，有时我们需要在岩有任务基础上对模型进行微调，这需要对网络的主干进行冻结,我在阅读帮助文档时发现，mmlab部分主干网络可以支持参数实现主干网络的冻结。目前网络应该只支持主干网络进行冻结。
MMclassfication 自定义数据集训练及可视化
onepunch_k的博客
02-15 1670
在mmclassification上对自定义数据集进行训练测试以及预测和可视化
MMlab骨架：重要权重文件的使用与测试指南
mmskeleton是基于PyTorch框架开发的一款模块化、高效的人体姿态估计框架，它是出自MMlab的一个项目。MMlab，即多媒体实验室，是致力于多媒体计算与智能应用研究的科研团队。该框架提供了一整套简洁、易用的APIs，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

樱花的浪漫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值