config_file='configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'checkpoint_file='checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'device='cuda:0'# 初始化检测器 model=init_detector(config_file,checkpoint_file,device=device)# 推理演示图像 img='img/demo.jpg'result=inference_d...
(例如 IterBasedRunner 或 EpochBasedRunner) max_epochs=12是runner 总回合数, 对于 IterBasedRunner 使用 `max_iters` checkpoint_config = dict(interval=2) #每两轮训练保存一次模型 log_config = dict(interval=50, hooks=[dict(type='TextLoggerHook')]) #每50轮输出一次信息(acc、loss等等),如果作图想...
通过设置参数,构造优化器。 lr_config 学习率优化策略参数设置。 checkpoint_config 设置多少epoch存储一次checkpoint log_config 输出log文件的配置 多少个batch输出一次信息 log文件的风格 其他 total_epoches: 最大epoch数 log_level: work_dir:log文件和模型文件存储路径 load_from:训练模型的路径 resume_from:恢复...
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, ...
log_config = dict( interval=50, hooks=[ dict(type='TextLoggerHook'), # dict(type='TensorboardLoggerHook')#如果需要开启tensorboard将其注释取消 ]) # yapf:enable # runtime settings total_epochs = 12#总的循环次数 dist_params = dict(backend='nccl') ...
可用keys 见log.json 记录。 测试模型 代码语言:javascript 代码运行次数:0 运行 AI代码解释 # single-gpu testing python tools/test.py \ configs/voc_cat/faster_rcnn_r50_fpn_1x_voc_cat.py \ _train_voc_cat/latest.pth \ --out results.pkl \ --eval bbox \ --show # multi-gpu testing bash...
(interval=5, metric='bbox') # 5个epoch验证一次optimizer_config = dict(grad_clip=dict(max_norm=0.1, norm_type=2)) # 设置梯度裁剪(default_runtime.py中默认为None)checkpoint_config = dict(interval=20) # 20个epoch保存一次权重log_config = dict(interval=50, # 每50次迭代训练就打印一次信息(...
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...
log_config = dict(interval=500, # 每50个迭代就打印一次训练信息hooks=[dict(type='TextLoggerHook'),# dict(type='TensorboardLoggerHook')]) 设置batch_size: data = dict(samples_per_gpu=16, # 每个gpu分配16张图像workers_per_gpu=2, # 分配两个gputrain=dict(type='RepeatDataset',times=3, # ...
python tools/analyze_logs.py plot_curve log1.json log2.json --keys bbox_mAP --legend run1 run2你还可以计算平均训练速度。python tools/analyze_logs.py cal_train_time ${CONFIG_FILE} [--include-outliers]预期输出将如下所示。---Analyze train time of work_dirs/some_exp/20190611_192040.log...