利用detectron训练自己的数据集

@[TOC] (自己的数据集训练detectron)

先建立自己的训练数据：

注：
annotations下放了两个json文件：train.json 和 val.json(里面什么都没有写，因为没有验证集)
train下放的是训练集的原始图片
val下放的是验证集的原始图片（我的下面什么都没放，因为没有验证集）

1. 选择的训练网络：

我选择的是：configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml

2. 修改 datasets/dataset_catalog.py

在datasets 里面加上自己的数据集

##3. 修改 configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml

4. 运行代码

python tools/train_net.py --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml --skip-test OUTPUT_DIR /home/lixn/zy_work/out_dir
遇到了错误 ： Loss is NaN
Loss is NaN:损失大过头了
可能的原因：

1. 梯度爆炸造成Loss爆炸
   学习率过高的情况下，直接影响到每次更新值的程度比较大，走的步伐因此也会大起来，过大的学习率会导致如法顺利达到最低点，稍有不慎就会跳出可控区域，因此将会面对的就是损失成倍增加。这种情况很容易在网络层数比较深的时候出现。
   解决方法：降低初始的学习率，并设置学习率衰减。
   将.yaml文件下的BASE_LA:0.02 改小
   查看显存：nvidia-smi
   
   最终我的配置文件：
   
   最终训练结果：
   

5. 测试

修改文件：’/detectron/datasets/dummy_datasets.py’将classes 安装生成的train.json 中categories分类顺序改为自己的类别。

关于测试的命令：

python tools/infer_simple.py --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml --output-dir /home/lixn/zy_work/out_dir --wts /home/lixn/zy_work/out_dir/train/labelme_train/generalized_rcnn/model_final.pkl demo
–cfg:配置文件
–output-dir:输出文件夹
–wts:训练好的权重
demo:该位置可改为自己要测试的图片放置的位置
我的测试代码：
python tools/infer_simple.py --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml --output-dir /home/lixn/zy_work/out_dir --wts /home/lixn/zy_work/out_dir/train/labelme_train/generalized_rcnn/model_final.pkl /home/lixn/zy_work/mydata/val/