MMEngine——BaseModule

最新推荐文章于 2024-06-02 17:13:47 发布
最新推荐文章于 2024-06-02 17:13:47 发布
阅读量486 收藏
点赞数
分类专栏： OpenMMLab 文章标签： 深度学习 pytorch 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41658139/article/details/128411350
版权

BaseModule是OpenMMLab中所有模块的基础模块，BaseModule包装了torch.nn.Module，添加了参数初始化函数等。

相比于torch.nn.Module，BaseModule主要加入了三个属性：

  • init_cfg：控制初始化的config；
  • init_weights：参数初始化函数，并记录初始化信息；

类在实例化时的参数有：

  • init_cfg

可以查询的属性有：

  • is_init
  • init_cfg

可以调用的属性有：

  • init_weights
  • 直接print
倔强一撮毛
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mmdetection代码阅读系列（六）：BaseModule的初始化
yinglang19941010的专栏
08-25 2156
BaseModule初始化的参数init_cfg例子如下 dict( type='Normal', layer='Conv2d', std=0.01, override=dict( type='Normal', name='conv_cls', std=0.01, bias_prob=0.01) ) type: (str) 用于初始化的INITIALIZERS的name layer:(list[str], st
MMEngine理解
MyArrow的专栏
10-28 8961
MMEngine学习理解
PyTorch DataLoader 多进程调用OpenCV光流时遇到EOFerror和非法内存访问
zMGAM的博客
06-02 407
对光流操作伪代码的context、PID、ID等进行观察，发现光流操作保持在同一个PID进程中操作，同一时刻存在多个image_series的id，在不同代码位置运行着，与多线程的特征非常相似。或者是光流调用不当，导致opencv报c++的错误，但opencv的报错设计不是很好，有时候是调用不当的问题，但也会显示memory error之类的代码。考虑到40系的光流加速器是新引入的，有点内存管理问题也就不足为奇了。作者此处通过对比消融已经确定光流输入的参数均为合法，故怀疑是更加底层的问题导致的。
MMEngine之介绍、结构、应用示例、常见用法（一）
qq_41627642的博客
07-20 2755
主要Runner 调用以下组件来完成训练和推理循环：数据集：负责在训练、测试和推理任务中构建数据集，并将数据输入模型。在使用中，它由 PyTorch DataLoader 包装，该加载器启动多个子进程来加载数据。Model：接受数据并输出训练过程中的损失；在测试和推理任务期间接受数据并执行预测。在分布式环境中，模型由模型包装器（例如，MMDistributedDataParallel）包装。
【mmdetection小目标检测教程】一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）
weixin_45921929的博客
02-03 3126
【mmdetection小目标检测教程】一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）
从 MMCV 到 MMEngine，架构升级，体验升级！
qq_39967751的博客
10-10 2273
MMCV 作为深度学习基础框架的先驱，一经开源就受到了社区同学的广泛关注。然而随着深度学习任务的需求变得越来越多样化，MMCV 早期的架构设计也开始难以满足日益复杂的需求。因此 OpenMMLab 2.0 发布了新一代训练架构 MMEngine，以统一的执行引擎，灵活支持了 20 个以上的计算机视觉任务。
mmcv中BaseModule和Pytorch的nn.Module的区别
jiangqixing0728的博客
04-16 755
比起torch.nn.Module类而言，多了init_cfg和init_weights。type里的override是用来init这个实例里一些特殊的部分，比如self.reg。注册在mmcv/cnn/utils/weight_init.py。所有的init方法都是一个INITIALIZERS。BaseModule类在mmcv.runner中。norm的weight都是1，bias都是0。这个实例中的可学习参数的初始化方式为。Module类在torch.nn中。constant是初始化为常数。
CamVid.zip
04-03
《CamVid数据集：语义分割的基石》 CamVid数据集是计算机视觉领域中用于语义分割任务的一个重要资源，它在推动自动驾驶、智能监控和图像分析等技术的发展上发挥了关键作用。语义分割是计算机视觉的一个重要分支，其...
PyPI 官网下载 | nomnomdata_engine-1.1.7-py3-none-any.whl
01-22
资源来自pypi官网。 资源全名：nomnomdata_engine-1.1.7-py3-none-any.whl
Python库 | gforms-0.8.1-py3-none-any.whl
05-06
资源分类：Python库 所属语言：Python 资源全名：gforms-0.8.1-py3-none-any.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
计算机网络基础， 面向计算机视觉的基础库，支持 Linux、Windows 以及 MacOS 平台
最新发布
06-07
OpenMMLab 团队于 2022 年 9 月 1 日在世界人工智能大会发布了新一代训练引擎 MMEngine，它是一个用于训练深度学习模型的基础库。相比于 MMCV，它提供了更高级且通用的训练器、接口更加统一的开放架构以及可定制化...
安装MMsegmentation2.0.0以及过程中可能遇到的问题
m0_64893992的博客
08-16 2272
再按住ctrl+R使用命令提示符窗口，进入虚拟环境，并切换到mmcv下载到的文件夹（进入文件夹后使用pip install mmcv按住tab键进行补全）不过对于第三条，也有其他方式进行安装，如果有需求也可以安装其他版本的mmcv，这里就以2.0.0为例（注意版本适配，不然后续会出现版本不兼容的报错）前提是大家先有了深度学习一些基础的环境配置，比如anaconda或miniconda，cuda，pytorch等。注意这里网上有一些错误的验证命令，就会导致一些报错，错误命令主要是因为文件名不正确造成的。
mmsegmentation安装教程，简单易懂，必能成功
qq_36603965的博客
02-27 6285
mmsegmentation的安装详细教程
基于MMEngine和MMDet搭建目标跟踪框架MMTracking-1.0.0rc1-Win10
认真努力，做一只会飞的毛毛虫。
12-18 1132
缘由： 1.目标跟踪是工业检测和学术研究的基础课题，其pipeline通常分为视频目标检测、视频实力分割、单目标跟踪、多目标跟踪和Re-ID五类，同时，还细分为在线检测和离线检测两种任务模式。由于现阶段关于目标跟踪的教程较少，为了便于快速上手上述work，特出此专栏教程。 2. MMEngine使得炼丹师能够更加方便的搭建模型和可视化训练过程，当然也包括环境配置。近期的框架都依据MMEngine所组建。由于环境配置（由其在windows上）过程中会遇到各种各样的坑，因此本文就带大家快速上手MMTrack
app bundle 配置Base module
u011536013的博客
08-27 681
大多数应用程序项目不需要太多的努力来支持动态交付。这是因为包含应用程序基本APK的代码和资源的模块是标准的应用程序模块，在Android Studio中创建新应用程序项目时，默认情况下会得到这个模块。也就是说，将下面的app插件应用于其构建的模块。gradle文件提供应用程序基本功能的代码和资源。 // The standard application plugin creates your ...
MXNet的训练基础脚本：base_module.py
AI之路
07-15 2939
写在前面：在MXNet中有一个很重要的脚本：base_module.py，这个脚本中的BaseModule类定义了和模型实现相关的框架。另外还有一个脚本module.py会在另外一篇博客中讲，这个类继承BaseModule类，并进行了具体的实现，比如forward方法，update_metric方法等。在创建模型的时候用的是mx.mod.Module这个类，比如：model = mx.mod.Mod
【深度学习】基础网络 (Basemodel) 综述
JNing
01-23 3088
【深度学习】基础网络 (Basemodel) 综述
Pytorch(笔记6)--nn.Module功能详解
起点的专刊
05-19 5431
在接触了之前所说的Conv，pool，Batchnorm，ReLU等方法都是神经网络中常见的操作，我们可以根据这些方法来自定义网络模型，也可以根据需求对经典模型进行调整，他们都继承共同的抽象类nn.Module,其中包含好了很多函数。 1.nn.Sequential 这个方法中可以封装多个子类，注意，一定继承nn.Module的类，在调用的时候，可以使用下面的方法 net =...
pytorch教程之nn.Module类详解——使用Module类来自定义网络层
热门推荐
MIss-Y的博客
06-16 10万+
前言：前面介绍了如何自定义一个模型——通过继承nn.Module类来实现，在__init__构造函数中申明各个层的定义，在forward中实现层之间的连接关系，实际上就是前向传播的过程。 事实上，在pytorch里面自定义层也是通过继承自nn.Module类来实现的，我前面说过，pytorch里面一般是没有层的概念，层也是当成一个模型来处理的，这里和keras是不一样的。前面...
安装mmengine 0.7.1
04-24
您可以通过以下步骤安装mmengine 0.7.1： 1. 打开终端或命令提示符。 2. 输入以下命令，安装Python包管理器pip：`sudo easy_install pip` 3. 输入以下命令，安装mmengine 0.7.1：`sudo pip install mmengine==0.7.1` 4. 安装完成后，您可以在Python环境中导入mmengine。 请注意，安装mmengine可能需要一些时间，具体取决于您的计算机性能和网络速度。 如果您遇到任何错误或问题，请尝试重新运行命令或在Google上搜索解决方案。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值