OpenMMLab第五天学习_目标检测实践

实践目标检测与图像分类写出脚本运行之前配置的文件,

#!/bin/bash

# 加载模块

module load anaconda/2021.05

module load cuda/11.1

module load gcc/7.3

# 激活环境

source activate mmclassification

# 刷新日志缓存

export PYTHONUNBUFFERED=1

# 训练模型

python tools/train.py \

configs/resnet18/resnet18_b16_flower.py \

--work-dir work/resnet18_b16_flower

下载openmmlab的mmdetection

快速训练出一个深度学习模型，解决对应的深度学习问题。

进入新建自动建模界面，填写对应信息，并在“解决问题”一项中，选择“目标检测”题。绑定数据展示项目中，根据需求调整绑定对象。

建模结果生成 API 服务使用建模得到一个训练完成的模型之后，快速的将它转化成一个 API 服务。

按照规范数据集格式之后，自动建模可以使用该数据集自动构建深度学习模型。数据格式以 meta.csv 为数据集的主要格式文件，文件以 csv 格式为主体：

- 第一行为字段类型和字段名称，格式为：[类型]_[名称]

- 第二行以及以后每一行为数据样本。

字段类型**表示该列字段的数据类型，其中包括简单字段：int、float、category、txt。另一类是复杂字段：text、image、video、json，复杂字段对应的值是一个相对路径，表示该字段的值在数据集中对应的文件。

- int - 整数值

- float - 浮点数

- category - 分类值

- txt - 短文本值

- text - 文本文件，文件中的全部内容

- image - 图片文件，格式包括：jpg、png、tif

- video - 视频文件，格式包括：mp4

- json - 复杂标注数据，根据不同的问题，会有对应的定义方式