MMPretrain代码课

MMPretrain代码课_哔哩哔哩_bilibili

安装mmpretrain

克隆mmpretrain

git clone https://github.com/open-mmlab/mmpretrain

进入mmpretrain

cd mmpretrain

安装mim

pip install openmim

使用mim安装依赖

mim install -e ".[multimodal]"

进入python交互环境

ipython

导入mmpretrain，并导入一些高级。

1. get model获取模型
2. list models列出所有模型
3. inference model 模型推理

import mmpretrain
from mmpretrain import get_model, list_models, inference_model

列出所有分类相关，名字包含resnet18的模型

list_models(task='Image Classification', pattern='resnet18')

列出所有图像描述相关，名字带有blip的模型

list_models(task='Image Caption',pattern='blip')

获取模型，当前获取到的模型是未加载模型权重的

model = get('resnet18_8xb16_cifar10')
type(mode)
# mmpretrain.models.classifiers.image.ImageClassifier

列出所有图像分类的基于blip的模型

list_models(task='Image Caption', pattern='blip')

#使用inference_model 选择模型进行推理
inference_model('blip-base_3rdparty_caption','demo/cat-dog/png',show=True)

第一个参数是模型，第二个参数是输入的图片，show会显示图片

微调训练

准备数据集

下载训练数据

https://download.openmmlab.com/mmclassification/dataset/cats_dogs_dataset.tar

cats_dogs_dataset

 cats_dogs_dataset下面存放着test_set测试数据集，training_set训练数据集，val_set训练标注数据集

介绍condigs配置文件

 在对应的算法下面存放着对应的算法配置文件

 打开resnet18_8xb32_in1k.py

 把四个配置文件组件在一起

 

 

 编写自己的配置文件

新建文件夹mmpregrain/projects/dog_cat

新建resnet18_finetune.py

将resnet18_8xb32_in1k所有的代码都粘贴进当前代码

修改配置文件

模型库所在的网址

ResNet — MMPretrain 1.0.0rc8 documentation

修改model settings

在model settings中，添加init_cfg

init_cfg=dict(type='Pretrained',checkpoint='https://download.openmmlab.com/mmclassification/v0/resnet/resnet18_8xb32_in1k_20210831-fbbb1da6.pth')

在model settings中，修改num_classes为2（猫和狗只有俩种类型）

 

 修改dataset settings

修改dataset_type为CustomDataset

 修改train_dataloader的data_root为数据集所在的路径，删除不需要的参数

修改val_dataloader的data_root为数据集标定路径 

修改val_evaluator（评测指标）为1

 添加test_dataloader，data_root改为测试数据集所在路径

 修改训练设定

 删除auto_scale

添加参数max_keep_ckpts为5，设定ckpts的存储个数最大为5；添加参数save_best为auto，保存最好的ckpts 

参数解读：seed，如果想要训练被复现，可以指定一个seed。并将deterministic为True

启动训练

mim train mmpretrain resnet18_finetune.py --work-dir=./exp

 

 mim可以任意目录下执行train代码

测试训练结果

 加入参数 --out result.pkl将测试的结果存放到日志文件中

 绘制混淆矩阵图

 API测试模型