MASK_RCNN解读6-网络误差反向向传播总体流程

MASK_RCNN解读6-网络误差反向向传播总体流程

从train_net.py的def main():函数进入，读取参数、初始化日志后进入def train(cfg, local_rank, distributed):函数，进行模型加载。通过下列代码读取模型权重值：
checkpointer = DetectronCheckpointer(
cfg, model, optimizer, scheduler, output_dir, save_to_disk
)
extra_checkpoint_data = checkpointer.load(cfg.MODEL.WEIGHT)
arguments.update(extra_checkpoint_data)
读取完成后，我们可以看到，除了ResNet的网络结构外，，其他层的的tensor的requires_grad被标记为TRUE，这个字段表示该tensor是否需要在被反向误差传递，主要的列表如下：

1）FPN网络（Feature Pyramid Networks，含金字塔）模块：
model.backbone.fpn.fpn_inner1
model.backbone.fpn.fpn_inner2
model.backbone.fpn.fpn_inner3
model.backbone.fpn.fpn_inner4
model.backbone.fpn.fpn_layer1
model.backbone.fpn.fpn_layer2
model.backbone.fpn.fpn_layer3
model.backbone.fpn.fpn_layer4

2）rpn 网络：
Regio