optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2)) # learning policy lr_config = dict( policy='step', warmup='linear', warmup_iters=500,warmup_ratio=1.0 / 3, step=[8, 11]) checkpoint_config = dict(interval=1) # yapf:disable log_config = dict( interval=50, hoo...
checkpoint_config = dict(interval=1) # logger hook配置文件,每隔多少epoch保存一次logger log_config = dict( interval=50, hooks=[ dict(type='TextLoggerHook'), # dict(type='TensorboardLoggerHook') ]) # 自定义hook配置 custom_hooks = [dict(type='NumClassCheckHook')] dist_params = dict(backen...
checkpoint_config = dict( # Checkpoint hook 的配置文件。执行时请参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/checkpoint.py。 interval=1) # 保存的间隔是 1。 log_config = dict( # register logger hook 的配置文件。 interval=50, # 打印日志的间隔 hooks=[ # dict(type...
checkpoint_config = dict(interval=5) # 每5个epoch保存一次权重# yapf:disablelog_config = dict(interval=50, # 每500个迭代就打印一次训练信息hooks=[dict(type='TextLoggerHook'),# dict(type='TensorboardLoggerHook')])# yapf:enablecustom_hooks = [dict(type='NumClassCheckHook')]dist_params = di...
log_config是很多logger hooks的包装器并且统一设置保存频率(interval同上),用于训练记录日志的保存,目前MMCV支持了三种WandbLoggerHook、MlflowLoggerHook和TensorboardLoggerHook,默认MMDetection设置的日志记录配置如下,只以文本的方式记录训练日志,建议打开Tensorboard记录。
checkpoint_config = dict(interval=1) # 模型权重的保存的间隔,建议调大一点,否则会保存大量模型权重,占用存储空间,例如interval=8。模型会默认保存最后一次训练的权重 log_config = dict(interval=50, hooks=[dict(type='TextLoggerHook')]) # 日志的输出间隔,建议调小一点,例如interval=4 需要注意的是,修改...
runner.register_training_hooks(cfg.lr_config,optimizer_config,cfg.checkpoint_config,cfg.log_config,cfg.get('momentum_config',None))#5.如果需要 val,则还需要注册 EvalHook runner.register_hook(eval_hook(val_dataloader,**eval_cfg))#6.注册用户自定义 hook ...
num_worker = 2 #比batch_size小,就行 log_interval = 100 # 日志打印的间隔 checkpoint_interval = 8 # 权重文件保存的间隔 evaluation_interval = 1 # 验证的间隔,这个一般不用动 lr = 0.01 / 2 # 学习率 """ 制作mmdetection的cascade配置文件 """ def create_mm_config(): cfg = Config.fromfile...
mim download mmdet--config rtmdet_tiny_8xb32-300e_coco--dest.#下载将需要几秒钟或更长时间,这取决于你的网络环境。完成后,你会在当前文件夹中发现两个文件 rtmdet_tiny_8xb32-300e_coco.py 和 rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth。
最后的runtime settings也可以修改一下,比如total_epochs和workflow【[('train', 1)]表示只训练,不验证;[('train', 2), ('val', 1)] 表示2个epoch训练,1个epoch验证】,我将total_epochs设置成20,所以学习率设置为step=[8, 15],checkpoint_config = dict(interval=2),其他都保持默认。