在MMDetection 中 DataLoader 输出的内容不是 pytorch 能处理的标准格式,还包括了 DataContainer 对象,该对象的作用是包装不同类型的对象使之能按需组成 batch。在目标检测中,每张图片 gt bbox 个数是不一样的,如果想组成 batch tensor,要么你设置最大长度,要么你自己想办法组成 batch。而考虑到内存和效率,MMDetecti...
对于点云 (多模态)3D 检测,室内和室外数据集生成的文件是不一样的: 对于某些室外数据集,我们会借助 pkl 文件的信息进一步提取 reduced_point_cloud 和 gt_database:前者是仅包含前方视野的点云文件,通常存在于 kitti 数据集处理过程中,因为 kitti 数据集仅包含前方视野的标注;后者则是将包含在训练数据集的每个 ...
data.test.classes = cfg.classes cfg.data.test.ann_file = val_ann_file cfg.data.test.type = 'CocoDataset' cfg.data.samples_per_gpu = batch_size # Batch size of a single GPU used in testing cfg.data.workers_per_gpu = num_worker # Worker to pre-fetch data for each single GPU # ...
# base_batch_size = (8 GPUs) x (8 samples per GPU) auto_scale_lr = dict(base_batch_size=4) 4.运行训练程序 python tools/train.py /usr/src/mmdetection-main/configs/aa_my_train/yolox_l_1xb4-300e_chanchivoc2coco.py 5.训练后发现类别损失,检测框都为0 查了半天需要更改/usr/src/...
(type='Normalize',**img_norm_cfg),dict(type='Pad',size_divisor=32),dict(type='ImageToTensor',keys=['img']),dict(type='Collect',keys=['img']),])]data=dict(samples_per_gpu=2,#batch_size修改---workers_per_gpu=2,train=dict(type='RepeatDataset',times=3,dataset=dict(type=dataset_...
先把数据集复制到mmdetection的data目录下,方便管理,data目录下一个文件夹就是一个数据集。dataset1/data/目录下是你的.xml文件和.jpg文件,如果你的数据集本身就是voc数据集,那可以跳过步骤1.1。 xml2voc2007.py:用于将.xml文件转换成voc2007数据集。 voc2coco.py:用于将voc数据集转换成coco数据集。 box_visiua...
load data 的过程:cfg 文件里的 workers_per_gpu 是用于 DataLoader 的,开多几个子进程作为 worker 实现数据读取以及预处理,加快数据加载的效率,而 batch size 仍然是由 samples_per_gpu 决定。参考资料https://pytorch.org/docs/stable/data.htmlhttps://zhuanlan.zhihu.com/p/30934236__EOF__...
数据配置 data = dict( samples_per_gpu=2, # batch_size大小 workers_per_gpu=2, # 每个GPU的线程数, 影响dataload的速度 # 2.1 训练集配置 train=dict( type='CocoDataset', ann_file='data/coco/annotations/instances_train2017.json', img_prefix='data/coco/train2017/', # 数据预处理步骤 ...
data = dict( samples_per_gpu=2, # 单个 GPU 的 Batch size workers_per_gpu=2, # 单个 GPU 分配的数据加载线程数 train=dict( # 训练数据集配置 type='CocoDataset', # 数据集的类别, 更多细节请参考 https:///open-mmlab/mmdetection/blob/master/mmdet/datasets/coco.py#L19。
特别注意batchsize的计算方式,根据GPU数量和samples_per_gpu设定计算得到。训练阶段,使用指定命令进行模型训练。在训练过程中,mmdetection会自动创建work_dirs文件夹保存模型和日志。训练完成后的输出包括多个epoch_x.pth模型,最新且最终的模型为latest.pth,以及两个日志文件,记录训练过程中的详细信息,便于...