1、在单个 GPU 上再现性能 #179（添加链接描述）

2、如何使用 PyTorch 的 WeightedRandomSampler 或编写自定义采样器添加链接描述

4、使用独立的分段器 #2931添加链接描述

5、How to change the training policy from Iter to Epoch based on the existing training profile ？如何根据已有的训练配置文件的训练政策从Iter改为Epoch？ #2908

6、使用 class_weight 时出错 #2723

3、一些管道和 data_preprocessor 建议 #3103

7、MMDetection 图像缩放 Resize 详细说明添加链接描述

（1）

（2）

（3）keep_ratio的设置

# 1 单尺度，不保持宽高比 
dict(type='Resize', img_scale=(511, 511), keep_ratio=False) 
# 2 单尺度，保持宽高比 
dict(type='Resize', img_scale=(1333, 800), keep_ratio=True) 
# 3 多尺度，range 模式 
dict( 
    type='Resize', 
    img_scale=[(1333, 640), (1333, 800)], 
    multiscale_mode='range', 
    keep_ratio=True),   
# 4 多尺度，value 模式 
dict( 
    type='Resize', 
    img_scale=[(1333, 640), (1333, 672), (1333, 704), (1333, 736), 
               (1333, 768), (1333, 800)], 
    multiscale_mode='value', 
    keep_ratio=True),   
 # 5 多尺度，ratio_range 模式，随机采样 ratio_range 范围，然后作用于 img_scale 上 
 dict( 
    type='Resize', 
    img_scale=(640, 640), 
    ratio_range=(0.8, 1.2), 
    keep_ratio=True),    

前两种情况已经分析过了，需要注意的是在 keep_ratio=True 情况下，img_scale 内部的值顺序不重要，因为其内部会基于 min 和 max 函数重新计算缩放范围。

常用的多尺度训练配置是上面的 3 和 4 例子，具体分为 range 和 value 两种模式。当 img_scale 是 list 类型时候，multiscale_mode 参数才起作用。

(1) range 即在指定的范围内进行随机 resize

在该模式下，img_scale 长度必须是2，内部会基于该 list 重算得到新的缩放范围：

assert mmcv.is_list_of(img_scales, tuple) and len(img_scales) == 2 
# 两个 list 中 max 集合，上面输入得到 [1333, 1333] 
img_scale_long = [max(s) for s in img_scales] 
# 两个 list 中 min 集合，上面输入得到 [640, 800] 
img_scale_short = [min(s) for s in img_scales] 
# 分别从 max 和 min 集合中随机 
long_edge = np.random.randint( 
    min(img_scale_long), 
    max(img_scale_long) + 1) 
short_edge = np.random.randint( 
    min(img_scale_short), 
    max(img_scale_short) + 1) 
# 得到新的 img_scale 
img_scale = (long_edge, short_edge)  

(2) value 即在指定的范围内选择某个尺度进行 resize

在改模式下，会随机从 list 中采样一个新的 img_scale

assert mmcv.is_list_of(img_scales, tuple) 
scale_idx = np.random.randint(len(img_scales)) 
img_scale = img_scales[scale_idx] 
return img_scale, scale_idx 

以上就是 Resize 函数常用的所有功能。

(3) ratio_range 模式

如果在设置了 ratio_range 情况下，表示会先随机采样缩放 scale 值，然后作用于 img_scale 上，并且在该模式下，[img_scale] 必须长度是 1。

if self.ratio_range is not None: 
    scale, scale_idx = self.random_sample_ratio( 
        self.img_scale[0], self.ratio_range) 
 
 
assert isinstance(img_scale, tuple) and len(img_scale) == 2 
# 缩放比例范围 
min_ratio, max_ratio = ratio_range 
assert min_ratio <= max_ratio 
# 随机采样比例 
ratio = np.random.random_sample() * (max_ratio - min_ratio) + min_ratio 
# 作用于 img_scale 上 
scale = int(img_scale[0] * ratio), int(img_scale[1] * ratio) 
return scale, None