打开../_base_/datasets/imagenet_bs64_pil_resize.py文件,查看数据配置 dataset_type='ImageNet'# 预处理配置data_preprocessor=dict(num_classes=1000,mean=[123.675,116.28,103.53],std=[58.395,57.12,57.375],to_rgb=True,)train_pipel
data_preprocessor:原本是模型model的变量,在mmpretrain中可以单独拿出来,主要功能是网络拿到数据之前对数据的一些操作(归一化,bgr转rgb等操作)。 train_pipeline/test_pipeline/val_pipeline:训练/测试/验证流程,将训练/测试/验证前的一些数据处理写道这个列表中,包括读取图像,数据增强的操作 train_dataloader/test_datal...
PermissionError: [WinError 32] 另一个程序正在使用此文件,进程无法访问。: 'C:\Users\Administrator\AppData\Local\Temp\tmpa_h1eaj7\20231009_114410\20231009_114410.log' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "tools/analysis_tools/...
个别网络class可通过backbone变量指定主干网络类，以及head指定网络的任务头。data_preprocessor：原本是模型model的变量，在mmpretrain中可以单独拿出来，主要功能是网络拿到数据之前对数据的一些操作（归一化，bgr转rgb等操作）。train_pipeline/test_pipeline/val_pipeline：训练/测试/验证流程，将训练/测试/验...
data_preprocessor = dict( type='SelfSupDataPreprocessor', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) view_pipeline1 = [ dict( type='RandomResizedCrop', scale=224, crop_ratio_range=(0.2, 1.), backend='pillow'), dict( type='RandomApply', transforms=[...
因为需要对模型进行可解释分析,需要安装grad-cam包,mmcv的安装方式在我前面的mmdetection和mmsegmentation教程中都有写到。这里不再提 mmpretrain安装方法最好是使用git,如果没有git工具,可以使用mim install mmpretrain 最后在项目文件夹下新建checkpoint、outputs、data文件夹,...
data_preprocessor = dict( to_rgb=False) train_pipeline = [ dict(type='LoadImageFromFile'), dict(scale=224, type='RandomResizedCrop'), dict(type='PackMultiTaskInputs', multi_task_fields=('gt_label', )), ] train_dataloader = dict( ...
data_preprocessor = dict( num_classes=7982, mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='Resize', scale=600), dict(type='RandomCrop', crop_size=448), ...