MMDet训练时遇到的问题和解决方案

1. 背景介绍

MMDet 建立在 MMLab 的另一个成功项目——MMAction 的基础上，后者是一个视频理解工具箱，专注于视频分析和行为识别。MMDet 的开发始于 2018 年，旨在提供一个简单、高效、可扩展的代码库，以支持多种目标检测任务，包括但不限于：

• 单阶段检测器（如 SSD、YOLO、RetinaNet）
• 两阶段检测器（如 Faster R-CNN、Mask R-CNN）
• 无锚点检测器（如 FCOS、TTFNet）
  
  特点如下：
• 模块化设计：MMDet 采用模块化设计，使得研究者可以轻松地修改配置文件来尝试不同的模型结构和超参数。
• 丰富的预训练模型：提供了大量的预训练模型，方便用户进行快速测试和微调。
• 灵活的配置系统：通过配置文件管理模型、数据、训练策略等，使得实验之间的比较更加清晰和准确。
• 支持多种数据集：支持多种流行的目标检测数据集，如 COCO、PASCAL VOC、Cityscapes 等。
• 实时性能：许多模型都针对实时性能进行了优化，适用于需要快速推理的应用场景。
• 活跃的社区：MMDet 拥有一个活跃的研究社区，不断有新的算法、技巧和模型被集成进来。
• 文档齐全：提供了详尽的文档，包括安装指南、快速入门、算法说明、模型训练和测试指南等。

随着计算机视觉领域的不断发展，MMDet 也在不断进化，以支持最新的算法和研究趋势。OpenMMLab 团队和社区贡献者致力于将 MMDet 打造成一个全面、先进、易用的目标检测平台。

MMDet 作为目标检测领域的一个领先工具箱，已经成为许多研究者和工程师的首选，它的发展和维护将继续推动目标检测技术的进步。

2. 问题和解决方案

2.1 RuntimeError: The server socket has failed to listen on any local network address. The server socket has failed to bind to [::]:29500 (errno: 98 - Address already in use). The server socket has failed to bind to ?UNKNOWN? (errno: 98 - Address already in use).

原因是一台机子上跑了两个MMDetection代码导致节点冲突，解决办法如下：

• 增加–master_port 29501：

CUDA_VISIBLE_DEVICES=1,2 python -m torch.distributed.launch --nproc_per_node 2 --master_port 29501 main.py --config config/config.py

其中，29501端口号可以根据实际自己的需求来修改。