环境:服务器cuda10.2
1.创建虚拟环境,安装pytorch和torchvision
conda create -n openmmlab_XXX python=3.7 -y
conda activate openmmlab_XXX
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch
2.安装mmcv
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.6.0/index.html #安装和自己cuda等版本匹配的
install mmdetection
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e
3.准备coco数据集(train/val/annotations)
数据集路径如下:
因为github上coco的命名格式,所以我把自己的数据集名称也改成这个。
4.修改对应的配置文件
修改 mmdetection/mmdet/core/evaluation下的class_names.py文件修改成你自己的类别标签
修改 mmdetection/mmdet/datasets下的coco.py文件
但当时修改完之后遇到了这个问题The num_classes
(80) in Shared2FCBBoxHead of MMDataParallel does not match the length of CLASSES
20) in RepeatDataset 重新编译代码(运行python setup.py install)且修改了envs下的文件后仍然报错,最后参考一篇博文评论的回答成功解决特此记录,修改了 /mmdetection/configs/base/models
下的mask_rcnn_r50_fpn.py文件中的num_classes=1后成功。
还遇到了ValueError: need at least one array to concatenate这个问题,修改了标注json文件中的标签名后解决。
5.训练
OMP_NUM_THREADS=1 python tools/train.py configs/swin/mask_rcnn_swin-t-p4-w7_fpn_fp16_ms-crop-3x_coco.py
注意⚠️ 训练时查看checkpoints保存位置
6.测试
python tools/test.py configs/swin/mask_rcnn_swin-t-p4-w7_fpn_fp16_ms-crop-3x_coco.py work_dirs/mask_rcnn_swin-t-p4-w7_fpn_fp16_ms-crop-3x_coco/latest.pth --show-dir output/
会在文件下生成测试结果
7.绘制训练时的分类和回归损失,并将该图保存为pdf
python tools/analysis_tools/analyze_logs.py plot_curve work_dirs/mask_rcnn_swin-t-p4-w7_fpn_fp16_ms-crop-3x_coco/20220307_121040.log.json --keys loss_cls loss_bbox --out losses.pdf
后续尝试了在cpu环境下训练,出现这个错误RuntimeError: “slow_conv2d_cpu” not implemented for ‘Half’,修改了iou2d_calculator下的x = (x / scale).half()
return x.float().clamp(min, max).half()将half改成float然后更换训练权重文件后成功。
Original: https://blog.csdn.net/Qingkaii/article/details/123332411
Author: 甜橙不加冰
Title: 利用swin-transformer训练自己的数据集
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/711207/
转载文章受原作者版权保护。转载请注明原作者出处!