mmdetection 环境搭建
工具 openbayes
新建一个,选择gpu 镜像选pytorch
数据绑定
交互方式 jupyter
数据集 简单的水果图片
pip 安装mmdetection 依赖库pytorch
MMdetection 安装
1、git clone 下载安装
2、openMiM 安装
pip install openMiM
!mim install mmdet=2.22.0
感叹号代表再python环境里执行
import mmdet
检查mmdet是否安装成功
mmdet有60戈多模型供你选择
在configs文件下,本课要用的是mask rcnn
用mmdetction去搜索模型
!mim search mmdet --model "mask r-cnn"
在上一步查看config id后,下载模型
!mim download mmdet --config mask_rcnn_r50_fpn_2x_coco --dest .
选择模型标准
box ap 分数满分100
mask ap 分数满分100
模型推理代码演示
from mmdet.apis import init_detector
model= init_detector(config_file,checkpoint_file)
result = inference_detector(model,图片路径)
show_result_pyplot(model,,输入图片路径,result)
深度学习需要写的内容:
1、模型结构
2、数据集
3、训练策略
4、配置gpu,分布式环境配置
5、辅助功能,打印日志,保存checkpoint
openmmlab 把上面需要的内容写进配置文件
重要的字段
model 模型结构参数
data 输入参数包括预处理
训练自己的模型
微调训练
把预训练好的模型用自己的数据集去做训练
整理自己的数据集
修改config文件
ann_file 标注文件
img_prefix 存放图片的路径
pipeline 数据加载的过程
__base__ 继承config文件
load_from 加载预训练模型路径
轮次 epoch
runner 控制
学习率 lr
optimizer 控制
新的值会覆盖原来结构(继承)的值
检查配置文件
from mmcv import Config
config=Config.fromfile('config.py')
print(config.pretty_test)
训练模型命令
!mim trans config.py