openmmlab(五）目标检测配置文件解析

最新推荐文章于 2024-06-22 20:38:25 发布
最新推荐文章于 2024-06-22 20:38:25 发布
阅读量448 收藏 1
点赞数
文章标签： 深度学习 人工智能 计算机视觉 目标检测 神经网络
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_61173425/article/details/128943640
版权

定义Backbone

 

5c127e78c8db4943a5a2aa61bf1c3712.png

 

 定义Neck

aacd89fc4d6d4b5fbd68bd58a5a57af6.png

 锚框的设定

主要修改num_classes为自己数据集类别。

1b4d471a37974948ba9793977d34d09b.png

 损失函数的组成

a037528e540948bfb0382896f344a002.png

 目标检测标注信息

d1bfe2af63ca499281130d508d4cee33.png

 ed61a16ff3fd44cd84f2dc71509ea1fa.png

706ccd7625a447a482a6e7169620e4a4.png 

190e02d2fa214641b1a3c3ec804a7940.png

f587a759cb914c988666e1d99d467ed0.png

 

 训练输入数据定义

sample_per_gpu是输入每个GPU的batch size。

workers_per_gpu是每个GPU分配的CPU线程数。

89839f086c8f49298e24a8356c644734.png 自定义输入数据

 9153ff10199b43bcbb0cd87da3aacc66.png

 数据增强

9802771655ca40fa8524195401b71077.png

 

9ffc5968f7b94cfd973a5ab221ea143e.png

 训练策略28187014661f4cf7999b675259eee824.png

 训练自己数据集总结fb14bc0d1d4a44468e97e6a58761f953.png

 

 

Back550
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenMMLAB实战系列视频教程
09-13
OpenMMLAB是一个强大的开源平台，它提供了多种计算机视觉任务的实现，包括图像分类、目标检测、语义分割、实例分割、人体关键点检测等。这个平台基于Python编程语言，主要依赖于PyTorch或TensorFlow等深度学习框架，...
通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述
11-27
通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与Open...
训练参数设置，提高GPU使用率
T5A_318的博客
11-05 2572
1. batch_size, batch_szie决定了GPU的内存占用率，太大会cuda out of memory，太小GPU利用率很低。而且GPU的内存使用率受模型大小的影响很大，因此不同的模型对应的batch_size,会有很大差别。 （16G，faster-RCNN ：256，cycle-GAN：6） 2. num_works num_works 的大小取决于cpu的核心数和内存大小，num_work 会在GPU运算（cpu空闲）时，取读取磁盘的数据到内存，提高读取效率。但是设置太大会 o
OpenMMLab（1）配置文件
JYliangliang的博客
10-11 916
configs文件配置，包括网路就哦模型、数据集及处理、优化器和epoch、日志保存
workers_per_gpu和num_workers参数是一个意思吗？
qq_34425255的博客
05-24 362
它们可以配合使用来实现更加高效的数据加载。例如在4卡GPU环境下,可以设置。,这样就可以充分利用系统资源来加速数据加载。总之,workers_per_gpu。是不同的参数,它们有各自的用途。
openmmlab——mmflow tutorials0 配置文件笔记
weixin_43472800的博客
10-23 726
对于openmmlab框架中的mmflow光流网络的配置文件笔记
openmmlab(三)图像分类配置文件&训练&推理
qq_61173425的博客
02-04 239
Get start with Python API 在有了训练配置文件和训练权重的前提下，可以用此API进行快速推理。 推理命令 训练命令 MIM命令管理 模型配置文件 通过修改模型配置文件可以直接对训练的模型结构进行改动。 训练个人数据集主要改动num_classes为自己的分类数目。 有了全局平均池化后，对图像的输入尺寸不再做固定要求。 数据加载模块 主要改动个人数据集路径。 根据自己的GPU调节size大小。 注意cpu的配比要适合
‘workers_per_gpu‘: 2是什么意思？
最新发布
qq_34425255的博客
06-22 199
总的来说,这个配置项是用来优化数据加载和预处理环节,从而提高深度学习训练的整体效率。这可以提高数据加载的吞吐量,支持异步预处理,并且平衡CPU和GPU的资源利用。这个配置项是指在数据加载过程中,
超详细！手把手带你轻松用 MMSegmentation 跑语义分割数据集
qq_39967751的博客
06-07 1万+
本文主要讲解了数据集相关的内容，包括目前学术界主流的语义分割数据集在 MMSegmentation中的实现，以及如何用 MMSegmentation 跑自己的数据集。希望可以帮助大家快速上手使用 MMSegmentation 代码库进行实验。.........
OpenMMLab检测工具箱和基准.zip
02-07
OpenMMLab是一个开源的计算机视觉研究平台，专注于图像识别、目标检测、语义分割等多个领域。这个"OpenMMLab检测工具箱和基准.zip"压缩包包含了OpenMMLab在目标检测领域的核心工具箱——MMDetection以及相关的基准...
OpenMMLab 开源体系揭秘.pdf
02-27
在目标检测领域，OpenMMLab 提供了一个完整的检测器架构，包括单阶段检测器、双阶段检测器、级联检测器、无锚点检测器等，涵盖了多种检测算法，包括 Faster R-CNN, SSD, YOLOv1, RetinaNet, Mask R-CNN, Cascade R-...
MMDetection 是一个基于 PyTorch 的目标检测开源工具箱 它是 OpenMMLab 项目的一部分
05-29
基于 PyTorch 和 MMCV 的通用目标检测平台。支撑了 3D 目标检测、旋转框检测、场景文字识别、姿态估计、目标跟踪等算法库中检测算法的实现；支持 2D 目标检测、实例分割、全景分割任务；支持算法多样，涵盖了单阶段...
mmdetetcion 使用经验
weixin_40968474的博客
02-03 2099
mmdetection 使用经验记录 github repository: https://github.com/open-mmlab/mmdetection 1、环境配置 一定要按照pytorch官网指令安装pytorch以及其对应的库，比如我的是： conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch ，这里要注意的是 -c pytorch 表示走pytorch的官方资源下载，如果要从自己配的国内源，如清华源
Swin Transformer目标检测实验——测试自己的数据集
想太多的学习日志
11-28 2140
随着第二步的完成，竟然奇迹般的解决了0.0，这个用词只是说明了自己没搞懂这背后的原理，但是有些程序不就是bug运行的嘛（狗头），所以，最后想想应该就是batch size设置的问题，还有就是不要边安装软件边训练模型。 如果我哪天搞懂了，会持续更新的（应该），有不懂的可以留言或私信，不定时回复，作者也在摸索中，希望大家一起进步呀！
深度学习训练中的GPU利用率和显存占用问题、num_workers&batch_size设置问题
热门推荐
weixin_46515047的博客
03-26 1万+
目录前言GPU显存GPU利用率batch_size不能选取过大来占据显存总结 前言 在跑数据集时碰到了GPU利用率浮动的问题，上网查了查解决方案。随手看了一下相关内容。。。深度学习就那么几个参数，调多了总能碰到合适的吧。 但我的GPU利用率浮动问题仍然没解决（50%-100%之间） GPU显存 占GPU显存的主要是两部分，一是模型网络的加载，而是batch_size大小的设置。模型的加载很难控制（但是考虑到部署的话就要考虑模型加载需要的显存问题了），一般调节batch_size来控制显存的占用（若出现out
MMdetection之train_detector 源码解析
weixin_45912366的博客
04-30 1982
目录 （一）构建 data loaders（mmdet/datasets/builder.py） （2）构建分布式处理对象 （3）构建优化器 （4）创建 EpochBasedRunner 并进行训练 （一）构建 data loaders（mmdet/datasets/builder.py） 其主要步骤是创建采样器，并将采样器，collate 函数， worker_init_fn 函数传入 DataLoader 中，用于创建 pytorch dataloader。 def build_
pytorch中的worker如何工作的
修行之路
11-25 4273
Question 一直很迷，在给Dataloader设置worker数量（num_worker）时，到底设置多少合适？这个worker到底怎么工作的？如果将num_worker设为0（也是默认值），就没有worker了吗？ worker的使用场景： rom torch.utils.data import DataLoader train_loader = DataLoader(dataset=train_data, batch_size=train_bs, shuffle=True, num_wo
【代码】mmdetection中的mmdet.datasets
FSALICEALEX的博客
08-15 6153
1.collate 1.collate 用来拼接batch中的数据。与标准的pytorch中的default_collate不同，这里的collate返回的是一个列表，每个列表中的元素是一个minibatch，应该是为了用于多个gpu，每个gpu上运行一个minibatch。 collate支持对于DataContainer数据类型的操作， 对于meta data，直接拼成minibatch，返回...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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