mmdetection训练自己的模型与数据集常用操作指令

1、demo的运行测试命令。

需进入安装盘文件夹下,激活环境后输入

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

2、修改完 class_names.py 和 voc.py 之后一定要重新编译代码,否则验证输出仍然为原类别,

且训练过程中指标异常, 在根目录 mmdetection 下执行命令:

python setup.py install

进行编译。

3、简单运行训练命令, 生成待修改的配置文件

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py --work-dir work_dirs

其中 work_dirs 为你的工作目录,训练产生的日志,模型,网络结构文件会存放于此

运行完命令后,会生成一个包含所有配置信息的配置文件在mmdetection/work_dirs文件夹下面

这时就可以改config文件自定义网络模型了

4、训练指令

python tools/train.py longlongtest2/faster_rcnn_r50_fpn_1x_coco.py

longlongtest2是我自己的工作目录,faster_rcnn_r50_fpn_1x_coco.py是我改好的模型

5、训练完画loss等折线图(可选参数,可保存pdf!!)

python tools/analysis_tools/analyze_logs.py plot_curve longlongtest2/20230108_171812.log.json --keys lr loss_b

box loss --out out.pdf

6、测试指令

python tools/test.py longlongtest2/faster_rcnn_r50_fpn_1x_coco.py longlongtest2/epoch_5.pth --show

指定顺序是:工作空间/confi 工作空间/模型

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!对于训练自己的COCO数据集,可以使用MMDetection进行操作。下面是一般的步骤: 1. 数据准备:将自己的数据集标注为COCO格式,包括图像和对应的标注文件。可以使用标注工具如LabelImg进行标注,并将标注结果转换为COCO格式的JSON文件。 2. 配置文件:根据您的模型需求,在MMDetection中选择合适的配置文件。配置文件定义了模型结构、数据集路径、优化器设置等。您可以在MMDetection的configs目录下找到相关示例配置文件,如faster_rcnn_r50_fpn_1x.py。 3. 修改配置文件:根据您的数据集和项目需求,修改配置文件中的相关参数。主要包括类别数、路径配置、输入尺寸等。确保将数据集路径设置为您自己的COCO数据集路径。 4. 数据集注册:根据您的数据集名称,在MMDetection的datasets目录下创建一个新的数据集文件,继承COCODataset,并注册到datasets/__init__.py中。 5. 训练模型:使用命令行运行训练脚本,指定配置文件和GPU数量。例如,使用以下命令进行训练python tools/train.py <config_file> --gpus <num_gpus> 6. 模型评估和推理:训练完成后,可以使用训练得到的模型进行评估和推理。可以使用以下命令进行评估: python tools/test.py <config_file> <checkpoint_file> [--out <result_file>] --eval <eval_types> 以上是一般的训练自己的COCO数据集的步骤,具体操作可以根据您的需求和数据集来调整。希望对您有所帮助!如果您有其他问题,请随时提问。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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