runtime 可配置 checkpoint 间隔多少存一个。默认 1 epoch 1 个,空间不够用😶 配置可对照 __base__ 的内容覆盖修改,更多说明见官方文档。 训练模型 # single-gpu training python tools/train.py \ configs/voc_cat/faster_rcnn_r50_fpn_1x_voc_cat.py \ --work-dir _train_voc_cat # multi-gpu tr...
时间 迭代时间(time):最近 window_size(日志处理器参数) 次迭代,处理一个 batch 数据(包括数据加载和模型前向推理)的平均时间 数据时间(data_time):最近 window_size 次迭代,加载一个 batch 数据的平均时间 剩余时间(eta):根据总迭代次数和历次迭代时间计算出来的总剩余时间,剩余时间随着迭代次数增加逐渐趋于稳定 ...
就拿上面那个例子来说,count_history=[1, 1, 1] 时会统计每次迭代的平均 loss,而 count_history=[8, 8, 8] 则会统计每张图片的平均 loss。 frommmengine.loggingimportHistoryBufferhistory_buffer=HistoryBuffer()# 空初始化log_history,count_history=history_buffer.data# [] []history_buffer=HistoryBuffer...
自己的 VOC 数据制作完毕之后,从宿主机(Ubuntu)复制到 /mmdetection/data/ 目录下: $ docker cp VOCdevkit mm_prj:/mmdetection/data/ 4. 修改 class_names.py 文件 打开/mmdetection/mmdet/core/evaluation/class_names.py 文件,修改 voc_classes 为将要训练的数据集的类别名称。如果不改的话,最后测试的结果的...
[ '../_base_/models/faster_rcnn_r50_fpn.py', '../_base_/datasets/coco_detection.py', '../_base_/default_runtime.py', '../_base_/schedules/schedule_1x.py' ] # 数据集相关设置 dataset_type = 'COCODataset' data_root = 'data/coco_my/' # 修改为你的数据集路径 img_norm_cfg ...
因为config里面写的data的type是type='CBGSDataset',所以会先走第39行,然后再次调用该函数,再走第43行。 然后就是进入build_from_cfg函数了, 它最重要的代码就是截图所示,本质上是: 从args中移除键'type'并获取其值obj_type。 如果obj_type是字符串,从registry中查找对应的类obj_cls。
data_loader=build_dataloader( dataset, samples_per_gpu=BATCH_SIZE, workers_per_gpu=0, dist=False, shuffle=False)#build the model and load checkpointcfg.model.train_cfg =None _test_cfg= cfg.get('test_cfg')if_test_cfgisNone: _test_cfg= cfg.model.get('test_cfg')assert_test_cfgisnotNo...
然后，在mmdetection目录下新建data文件夹，并将自定义的数据集放入新创建的data文件夹中。接下来，需要修改配置文件以适应自定义数据集。这包括修改数据配置文件中的类别定义以及模型配置文件中的模型参数。具体而言，修改mmdet/datasets/coco.py文件，确保CLASSES内容对应自定义数据集的类别，并且与annotations...
***mmdetection中yolov3模型使用的数据集格式为coco数据集格式,mmdetection在tools/datast_converters/pascal_voc.py提供了标准pascal voc数据集转换成coco格式的代码。在mmdetection目录下新建data/coco文件夹,将自定义的数据集转换成以下格式: mmdetection ├── mmdet ├...
img_prefix=data_root + 'val2017/', # 同上 img_scale=(1333, 800), # 同上 img_norm_cfg=img_norm_cfg, # 同上 size_divisor=32, # 同上 flip_ratio=0, # 同上 with_mask=False, # 同上 with_crowd=True, # 同上 with_label=True), # 同上 ...