yacs的使用，进行参数传递预配置 借助argparse

最新推荐文章于 2024-06-20 17:20:21 发布
最新推荐文章于 2024-06-20 17:20:21 发布
阅读量1k 收藏
点赞数 2
原文链接：https://blog.csdn.net/weixin_36670529/article/details/104006211
版权

在这里插入图片描述

yacs 是Ross Girshick 开发的一个工具。https://github.com/rbgirshick/yacs

Ross Girshick是目标检测界的领军人物，在2015年提出faster RCNN。

yacs安装：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     D:\PycharmProjects\gitRepository2018\git_yacs\yacs>python setup.py install
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     running install
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     running bdist_egg
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     running egg_info
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating yacs.egg-info
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing yacs.egg-info\PKG-INFO
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing dependency_links to yacs.egg-info\dependency_links.txt
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing requirements to yacs.egg-info\requires.txt
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing top-level names to yacs.egg-info\top_level.txt
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing manifest file 
     
     'yacs.egg-info\SOURCES.txt'
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     reading manifest file 
     
     'yacs.egg-info\SOURCES.txt'
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     writing manifest file 
     
     'yacs.egg-info\SOURCES.txt'
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     installing library code to build\bdist.win-amd64\egg
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     running install_lib
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     running build_py
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\lib
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\lib\yacs
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs\config.py -> build\lib\yacs
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs\tests.py -> build\lib\yacs
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs\__init_
     
     _.py -> build\lib\yacs
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\bdist.win-amd64
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\bdist.win-amd64\egg
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\bdist.win-amd64\egg\yacs
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying build\lib\yacs\config.py -> build\bdist.win-amd64\egg\yacs
    
    
    
   
   
  26. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying build\lib\yacs\tests.py -> build\bdist.win-amd64\egg\yacs
    
    
    
   
   
  27. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying build\lib\yacs\__init_
     
     _.py -> build\bdist.win-amd64\egg\yacs
    
    
    
   
   
  28. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     byte-compiling build\bdist.win-amd64\egg\yacs\config.py to config.cpython-
     
     36.pyc
    
    
    
   
   
  29. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     byte-compiling build\bdist.win-amd64\egg\yacs\tests.py to tests.cpython-
     
     36.pyc
    
    
    
   
   
  30. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     byte-compiling build\bdist.win-amd64\egg\yacs\__init_
     
     _.py to __init_
     
     _.cpython-
     
     36.pyc
    
    
    
   
   
  31. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  32. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs.egg-info\PKG-INFO -> build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  33. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs.egg-info\SOURCES.txt -> build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  34. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs.egg-info\dependency_links.txt -> build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  35. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs.egg-info\requires.txt -> build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  36. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     copying yacs.egg-info\top_level.txt -> build\bdist.win-amd64\egg\EGG-INFO
    
    
    
   
   
  37. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     zip_safe flag 
     
     not set; analyzing archive contents...
    
    
    
   
   
  38. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating dist
    
    
    
   
   
  39. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     creating 
     
     'dist\yacs-0.1.4-py3.6.egg' 
     
     and adding 
     
     'build\bdist.win-amd64\egg' to it
    
    
    
   
   
  40. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     removing 
     
     'build\bdist.win-amd64\egg' (
     
     and everything under it)
    
    
    
   
   
  41. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Processing yacs-
     
     0.
     
     1.4-py3.
     
     6.egg
    
    
    
   
   
  42. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Copying yacs-
     
     0.
     
     1.4-py3.
     
     6.egg to 
     
     g:\programdata\anaconda3\lib\site-packages
    
    
    
   
   
  43. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Adding yacs 
     
     0.
     
     1.4 to easy-install.pth file
    
    
    
   
   
  44. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  45. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Installed 
     
     g:\programdata\anaconda3\lib\site-packages\yacs-
     
     0.
     
     1.4-py3.
     
     6.egg
    
    
    
   
   
  46. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Processing dependencies 
     
     for yacs==
     
     0.
     
     1.4
    
    
    
   
   
  47. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Searching 
     
     for PyYAML==
     
     3.12
    
    
    
   
   
  48. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Best 
     
     match: PyYAML 
     
     3.12
    
    
    
   
   
  49. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Adding PyYAML 
     
     3.12 to easy-install.pth file
    
    
    
   
   
  50. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  51. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Using 
     
     g:\programdata\anaconda3\lib\site-packages
    
    
    
   
   
  52. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Finished processing dependencies 
     
     for yacs==
     
     0.
     
     1.4

config.py


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     from yacs.config 
     
     import CfgNode 
     
     as CN
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C = CN()
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.SYSTEM = CN()
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.SYSTEM.NUM_GPUS = 
     
     8
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.SYSTEM.NUM_WORKERS = 
     
     4
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.TRAIN = CN()
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.TRAIN.HYPERPARAMETER_1 = 
     
     0.1
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     _C.TRAIN.SCALES = (
     
     2, 
     
     4, 
     
     8, 
     
     16)
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cfg = _C

config.yaml


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     SYSTEM:
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        NUM_GPUS: 
     
     2
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     TRAIN:
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        SCALES: (
     
     1, 
     
     2)

main.py测试


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     from config 
     
     import cfg
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     if __name__ == 
     
     "__main__":
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg.merge_from_file(
     
     "config.yaml")
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg.freeze()
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg2 = cfg.clone()
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg2.defrost()
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg2.TRAIN.SCALES = (
     
     8, 
     
     16, 
     
     32)
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        cfg2.freeze()
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
         
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        print(
     
     "cfg:")
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        print(cfg)
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        print(
     
     "cfg2:")
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        print(cfg2)

运行结果如下：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cfg:
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     SYSTEM:
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       NUM_GPUS: 
     
     2
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       NUM_WORKERS: 
     
     4
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     TRAIN:
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       HYPERPARAMETER_1: 
     
     0.1
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       SCALES: (
     
     1, 
     
     2)
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cfg2:
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        SYSTEM:
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        NUM_GPUS: 
     
     2
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        NUM_WORKERS: 
     
     4
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     TRAIN:
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        HYPERPARAMETER_1: 
     
     0.1
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        SCALES: (
     
     8, 
     
     16, 
     
     32)

这里面有四个常用函数经常用来配置超参数：

  • cfg = get_cfg()： 获取已经配置好默认参数的cfg
  • cfg.merge_from_file(args.config_file)：config_file是指定的yaml配置文件，通过merge_from_file这个函数会将yaml文件中指定的超参数对默认值进行覆盖。
  • cfg.merge_from_list(args.opts)：merge_from_list作用同上面的类似，只不过是通过命令行的方式覆盖。
    例如
  • cfg.freeze()表示将参数冻结

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     opts = [
     
     "SYSTEM.NUM_GPUS", 
     
     8, 
     
     "TRAIN.SCALES", 
     
     "(1, 2, 3, 4)"]
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cfg.merge_from_list(opts)
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(
     
     "cfg\n",cfg)

 

AIchiNiurou
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python模块学习-argparse和yacs
weixin_41544435的博客
10-09 763
用到了两个模块一个为argparse，另一个为yacs。argparse 模块的用处是可以自己编写命令，定义自己需要的一些参数，只需要很简单的几句语句。一般在你自己的项目文件中用上了 argparse 模块之后，在命令行中利用，我认为这种方式在windows中的作用不大（界面友好，点运行就能跑，修改源码中的参数简单），但是在linux中这种在命令行中应用的方式就很便利了yacs 库就是配置参数的作用。
maskrcnn-benchmark-master-fasterrcnn-demo
weixin_42540331的博客
06-30 514
# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved. import argparse import cv2, os from maskrcnn_benchmark.config import cfg from predictor import COCODemo import time import pdb...
深度学习项目配置参数（二） yacs库的使用教程
最新发布
li1784506的博客
06-20 509
yacs库作为一个管理系统配置的轻量级库，解析yaml配置文件使整个项目结构更清晰。yacs库与argparse库类似，argparse库需要在运行程序文件中定义配置参数，而yacs将配置参数可以放置在其他文件中。
使用yacs库配置神经网络的超参数
gefeng1209的博客
07-11 9096
简介： YACS是一个轻量级库，用于定义和管理系统配置，例如那些在为科学实验设计的软件中常见的配置。这些“配置”通常涵盖诸如用于训练机器学习模型的超参数或可配置模型超参数（诸如卷积神经网络的深度）之类的概念。 由于您正在进行科学研究，因此重复性至关重要，因此您需要一种可靠的方法来序列化实验配置。 YACS使用YAML作为简单的，人类可读的序列化格式。范式是：your code + a YACS ...
yacs--Python代码运行时的配置系统
weixin_36670529的博客
05-20 1291
yacs有点类似于argparse,只不过用的时候有差别.argparse需要在运行文件中写一堆类似 --input --output_dir 一类的东西, 而yacs写好之后就可以放到别的文档中, 非常方便管理, 也很清晰. yacs 使用方法灵活多变, 主要用到两种使用: 用来指定local variable(Configuration as local variable) ----推荐 ...
yacs直接读取yaml文档(python)
https://github.com/shaofengzeng/
09-05 4728
yacs在我理解是一种读写配置文件的python包。在机器学习领域，很多模型需要设置超参数，当超参数过多时，不方便管理，于是出现了很多类似yaml，yacs的包。 关于yacs的使用，网上有一些文档，类似这篇。这些方法都需要先加载定义了一些CfgNode的文档，然后通过merge_from_file函数加载yaml. 本文要介绍的是如何直接加载yaml文件。 如有文件test.yaml，内容如...
Python-YACS又一个配置系统
08-10
通过使用YACS，你可以将项目的配置参数存储在一个或多个JSON文件中，这些文件可以被程序轻松加载和解析。 使用YACS时，首先你需要安装这个库。这可以通过Python的包管理器pip完成，命令通常是： ```bash pip ...
yacs:YACS-另一个配置系统
03-11
这些“配置”通常涵盖概念，例如用于训练机器学习模型的超参数或可配置的模型超参数（例如卷积神经网络的深度）。 由于您从事科学工作，因此可重复性至关重要，因此您需要一种可靠的方法来序列化实验配置。 YACS...
yacs.n:YACS-支持多个学期和部分学期
03-09
YACS.n YACS支持任何学校的多学期和下学期在您学校的YACS？ 克隆仓库scripts/start.sh 一起来前往/admin的管理面板您将能够导入课程选择默认学期重命名学期部分（适用于分成几部分的学期） 前往/并允许您的同伴/学生...
docs：欢迎使用Yacs。 我们很高兴见到你:red_heart:
02-25
欢迎来到Yacs！ 很高兴见到你！ 什么是Yacs？ 创建Yacs的目的是使学生的生活更加轻松。... Yacs从头开始构建，具有模块化和灵活性，因此可以使用任何来源的数据，甚至可以以智能方式组合来自许多来源的
yacs：Yacs-每个人的调度程序
02-06
要使用Yacs @ RPI，请访问 。 即将到纽约大学和您附近的一所学校。 有关完整的文档，请参见 什么是Yacs？ 创建Yacs的目的是使学生的生活更加轻松。 它使用户可以避免专有的目录管理和学生信息系统笨拙的UI，用...
detectron2的结构介绍及代码实现
d948142375的博客
06-10 3975
detectron2的结构介绍（维护中） 上一篇文章detectron2的简介和配置_d948142375的博客-CSDN博客介绍了怎么配置detectron2（以下简称DET2）到一台ubuntu18.04的远程服务器，本文将介绍为了实现一个基本的faster-RCNN该如何理解并运用DET2提供的功能。我不提供大量的代码讲解，DET2的代码、注释、doc非常的多，对于有基础的小伙伴，我只需要介绍其中最有价值的脚本及关键内容即可。你们仍然需要阅读我所提到的文件并理解其中的内容，所以本系列文章不适合直..
小白学习HigherHRNet代码
m0_50752055的博客
08-09 191
每个节点都可以执行一部分训练工作，例如处理一部分的训练数据和更新模型的权重。这个函数的目标是将分布式训练的各个环节组织起来，从模型构建、数据加载、训练循环、学习率调整到模型保存，确保训练过程顺利进行。通道数是用来表示模型中不同层次的特征图（feature maps）的维度，它影响着模型的参数量、计算复杂度以及模型的性能。初始化分布式训练环境，包括分布式训练节点数量、分布式训练的进程与 GPU 分配等。根据训练效果，保存模型的检查点，包括当前状态和最好的状态。根据配置中的模型名称，调用相应的函数构建模型。
FCOS论文以及代码详解(从头到尾带你过一遍代码)(1)
以梦喂马的博客
07-30 5021
话不多说直接上论文标题和代码： 论文题目：FCOS: Fully Convolutional One-Stage Object Detection 论文链接：https://arxiv.org/abs/1904.01355. 代码连接：https://github.com/tianzhi0549/FCOS github上面给出的训练模型的命令行指令如下： python -m torch.distributed.launch \ --nproc_per_node=8 \ --master_po
Detectron2 交叉验证。直接计算mAP版本
qq_40246742的博客
10-18 542
Detectron2 交叉验证 目的：在训练的过程中使用验证集合的结果老判断是否出现了过拟合现象。这个教程是在验证集上面直接评定指标，而不是计算验证集合的损失。关于将验证集的损失作为交叉验证的对象可看这里。 实现原理 由于Detecton2将不属于模型运行的部分用Hook包装。所以我们可以注册Hook去实现交叉验证方法。关于Detectron2训练的一个简单梳理，可以看这里。 参数设置 我们在配置文件中加入以下的字段（也可以直接在代码里面写入数值，但这不方便修改）。 _C.CROSS_VAL = CN()
PySOT代码之SiamRPN++分析——训练
ly59782的博客
11-30 7070
总流程： def main(): rank, world_size = dist_init() # rank:进程ID world_size:进程数量/任务数量/GPU数量 logger.info("init done") # load cfg cfg.merge_from_file(args.cfg) #父进程初始化log信息 if rank == 0: if not os.path.exists(cfg.TRAIN.LOG_DIR)
怎样c++调用pytorch训练的模型
m0_37635769的博客
05-16 1788
怎样c++调用pytorch训练的模型
maskrcnn-benchmark源码解析-config篇
lt1103725556的博客
04-02 1376
目前网上看到的源码解析都主要在写mask-Rcnn，包括backbone,rpn head, loss之类的，但是关于maskrcnn-benchmark本身的组织形式，config是如何调用的，目标检测的data是如何prepare的都没有解读，于是本文承接另一位博主的介绍 https://blog.csdn.net/francislucien2017/article/details/102584847?spm=1001.2014.3001.5506 开始介绍源码的其他细节部分，先讲讲config。
cs231 yacs配置文件工具的使用
段智华的博客
12-04 7319
yacs 是Ross Girshick 开发的一个工具。https://github.com/rbgirshick/yacs Ross Girshick是目标检测界的领军人物，在2015年提出faster RCNN。 yacs安装： D:\PycharmProjects\gitRepository2018\git_yacs\yacs>python setup.py install r...
ubuntu使用conda安装yacs
09-15
您可以按照以下步骤在Ubuntu上使用conda安装yacs： 1. 首先，确保您已经安装了Anaconda或Miniconda。如果没有，请根据您的需求选择其中一个，并按照官方文档进行安装。 2. 打开终端并创建一个新的conda环境，可以使用以下命令： ``` conda create -n myenv python=3.7 ``` 3. 激活新创建的环境： ``` conda activate myenv ``` 4. 安装依赖库： ``` conda install numpy pyyaml setuptools cmake cffi ``` 5. 安装yacs： ``` conda install -c conda-forge yacs ``` 这样，您就成功地使用conda在Ubuntu上安装了yacs。请记住，在安装之前，激活正确的conda环境。根据您的需求，可以使用不同的环境名称。
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