MMDet初尝试：以官方文档为例，训练模型

news2024/11/15 15:47:19

使用前配置

按照官方文档配置环境：https://mmdetection.readthedocs.io/zh_CN/3.x/get_started.html

安装conda/Miniconda

创建并激活一个 conda 环境

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

安装PyTorch（GPU平台）

conda install pytorch torchvision -c pytorch

使用 MIM 安装 MMEngine 和 MMCV

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

安装 MMDetection

cd mmdetection
pip install -v -e .
# 注意不用遗漏“-e”后面的" .""
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

验证 MMDetection 是否安装正确
1. 下载配置文件和模型权重文件
  
  mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .
2. 运行以下命令进行验证
```
python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu
```
3. 你会在当前文件夹中的 outputs/vis 文件夹中看到一个新的图像 demo.jpg，图像中包含有网络预测的检测框

实操

这里实现的是官方文档中的“将单阶段检测器作为RPN”一节，下附链接

https://mmdetection.readthedocs.io/zh_CN/3.x/user_guides/single_stage_as_rpn.html

官方文档中写的都很详细的了，代码也有附上，这里就不再当搬运工了

总的来说就是：

创建一个名为 configs/faster_rcnn/faster-rcnn_r50_fpn_fcos-rpn_1x_coco.py 的配置文件（已建立，不用自己建文件，在configs/fcos/fcos_r50-caffe_fpn_gn-head_1x_coco.py的基础上进行了修改）

使用命令来训练定制模型（更多训练命令，请参考这里）

# 使用8个 GPU 进行训练
bash
tools/dist_train.sh
configs/faster_rcnn/faster-rcnn_r50_fpn_fcos-rpn_1x_coco.py
--work-dir  /work_dirs/faster-rcnn_r50_fpn_fcos-rpn_1x_coco

我没有8个GPU，我只使用1个，我使用的训练命令如下

python tools/train.py configs/faster_rcnn/faster_r50_fpn_fcos-rpn_1x_coco.py --work-dir work-dir/faster_r50_fpn_fcos-rpn_1x_coco/
# 注意“-”和“_”别打混了
# work-dir为工作目录，训练好后的模型权重文件会存储在通过“--work-dir”指定的地方（自己建一个work-dir文件夹）