全球人工智能技术创新大赛 热身赛

全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别 小白入门记录

首先，这次的笔记是我参加全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别的犯的错误以及遇到的问题的记录,之前没怎么使用过docker，费了九牛二虎终于把结果提交上去了。docker的使用、提交方法和dockerfile的配置请参考：

https://tianchi.aliyun.com/competition/entrance/231759/tab/174?spm=5176.12586973.0.0.6f7a5bc8TLRPZn

以及

https://github.com/datawhalechina/team-learning-cv/blob/master/DefectDetection/docker%E6%8F%90%E4%BA%A4%E6%95%99%E7%A8%8B.pdf

，刚开始手有点不知所措，多参考多练习就好。

下面请看我第一次提交的结果（用的yolov5l，bs=2， img=1024， 结果着实有点惨）：

遇到的问题

关于图片、标注的格式转换问题请参考大佬写的文章，里面很详细:

https://blog.csdn.net/qq_26751117/article/details/113853150

我和他不同之处，他改的是datawhale给出的baseline，我对照baseline改的yolov5。（主要是我刚开始没有看到，哭唧唧）

1、Baseline

最开始我也使用的是：

https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection

这里给出的baseline，但是跑的时候遇到一个问题了，提示缺少best.pt,想到这个baseline是yolov5改来的，我就去yolov5官网下载了yolov5l的权重文件，下好后又遇到一个问题，提示说：

看了一下，脑壳发痛，又想了一下，懒癌却发作了，最后干脆那官方最新的yolov5版本跑，对照之前的DefectDetection，随便改了一下（主要是ctrl+c,ctrl+v)，把data/coco128.yaml，convertTrainLabel.py，
process_data_yolo.py粘贴到yolov5里面，对比train.py改了一下。之后就开始缓慢训练啦，1070（穷逼）跑了一晚上多一点，在60e左右不变化。

2、detect

生成好权重文件，检测的时候又遇到问题，因为这里测试的文件结构是这样的：

|--tcdata
​	|-- guangdong1_round2_testB_20191024.zip  
	|-- guangdong1_round2_testB_20191024  
		|--201908262_de5bf60c1d3b79ad0201908262154188OK
			|--201908262_de5bf60c1d3b79ad0201908262154188OK.jpg
			|--template_201908262.jpg

yolov5进不去，懒癌发作，ctrl+c,ctrl+v，把DefectDetection里的detect.py复制过来，pycharm提示报错，根据错误提示，把utils/utils.py复制到对应文件夹里，这时候还发现还是缺少LoadImagesTest这个类，对照一下，把DefectDetection里的utils/datasets.py里LoadImagesTest类复制到yolov5里面去。

3、docker

具体也没什么，就是一个熟练过程，下面是一些常用命令总结。

1）构建镜像

docker build -t registry.cn-shenzhen.aliyuncs.com/test_for_tianchi/test_for_tianchi_submit:1.0 .

2）进入容器配置环境

1、查看镜像ID
docker images
2、进入容器
docker run -it 600b(image id 自己替换) /bin/bash
3、配置环境，和正常ubuntu里配置环境一样，注意的是：这次比赛给的是CUDA10.1，所以安装pytorch的时候记得选择10.1的版本，例如我这里是pytorch=1.7.1:
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

3）保存容器为镜像

1 退出但不关闭容器:ctrl + P + Q
2 保存容器为镜像
   使用 docker ps 查看容器的 id
   docker commit ffab(容器 id 自己替换) registry.cn..........(自己的仓库地址)..........:1.0

4）拷贝本地文件到容器

docker cp 你的文件路径 容器长ID:docker容器路径
例如：
docker cp tcdata 8d70c4f51727:/tcdata

5）测试镜像

1 先用 docker images 查看镜像的ID
2 docker run your_image(自己替换) sh run.sh 查看是否允许正常
  或者进入容器里，进行测试，当运行正常后，使用利用3）保存镜像

6）推送镜像

(1)查看镜像 id
docker images
(2)推送镜像
docker push registry.cn-shenzhen.aliyuncs.com/test_for_tianchi/test_for_tianchi_submit:1.0(自己替换仓
库地址以及指定版本号)

4、提交

在左侧【提交结果】中填写推送的镜像路径、用户名和密码，即可提交。根据【我的成绩】中的分数和日志可以查看运行情况。

参考
[1]:https://github.com/ultralytics/yolov5 [2]:
https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection
[3]:https://blog.csdn.net/qq_26751117/article/details/113853150