训练mmdetection 注：配置文件里的class_num=类别数+1，根据gpu数量修改学习率：8gpu:0.02,1gpu:0.0025 一、准备自己的数据拿nwpu数据集来举例，nwpu数据集文件夹中的内容是：images文件夹：存放数据图片 labelTxt文件夹：存放标注信息，images文件夹中每张图片都对应一个txt文件存放在此文件夹中，图片与标注文件的名称相同 test.tx
转载
2024-09-11 12:55:53
528阅读
mmdetection调用模型训练 文章目录mmdetection调用模型训练转化数据集格式从labelme到coco首先data导进来改一下`coco.py`改一下`class_names.py`在模型跑了之后看生成文件然后掐了包版本设置`PYTHONPATH`diffustiondet模型模型训练跑完了检测模型yolo模型yolof模型 转化数据集格式从labelme到coco首先data导进
编者按：我的毕设题目是基于mmdetection的行人检测，由于我的电脑没有英伟达的GPU,因而无法安装CUDA，网上大多数文章涉及CUDA的安装，对于我来说都没法直接参考。这篇文章主要是我总结的关于安装CPU版本的mmdetection的方法（电脑上有英伟达GPU的话网上大多数文章可以直接参考） Windows安装mmdetection（CPU版本）1. 安装anaconda（网上参考文章非常多
转载
2024-03-25 20:35:24
258阅读
后面的不用看了，直接看最省事版本： 直接用CUDA_VISIBLE_DEVICES="2,3"指定多卡就可以，也可以给sh文件传参进去。但是，切记！切记！切记！sh文件里不能有空行，尤其是使用反斜杠 \ 连接多行的时候，
转载
2024-03-24 08:52:37
925阅读
简介在本专栏的上一篇文章中，初步介绍了MMDetection的由来以及环境的配置，并提到了控制整个pipeline的配置文件，本文就来详细聊一聊配置文件的点点滴滴。配置文件结构不同于Detectron2采用YAML文件作为配置文件的方式，MMDetection采用Python脚本作为配置文件，这一定程度上方便了解析。不过，在谈具体的配置文件的结构之前，首先介绍一个官方提供的工具，它位于mmdete
目录一、数据集处理流程1、LoadImageFromFile2、LoadAnnotations3、Resize4、RandomFlip5、Normalize6、Pad7、DefaultFormatBundle8、Collect二、代码中pipeline调用过程三、python中的 __call__和 __getitem__方法3.1 __call__方法3.1 __getitem__方法 一、数
问题描述：在用cascade RCNN进行训练的过程中，是不会发生OOM的，但是在做eval的时候（数据没有shuffle），每次做到第6批次数据的时候就会出现OOM如下图所示：解决思路总结:解决思路1: 调低batch_size解决思路2:每次训练完清空cuda缓存解决思路3:降低做预测时模型筛选出的预测框的数量解决思路4:做eval时，把预测框的处理程序放在cpu和内存中解决思路1：调低bat
转载
2024-10-17 10:48:55
164阅读
1. 预训练模型 关于预训练模型，一般的检测都是使用ImageNet预训练的backbone，这是基本配置，官方也支持这种加载方式。 高级一点的的就是针对数据集做一次预训练：即将所有的目标裁剪出来，然后训练一个不错的分类模型，这样的初始化相比ImageNet就要好很多。 最后就是
转载
2024-06-22 15:33:54
151阅读
anchor参考与部分直接摘抄：https://zhuanlan.zhihu.com/p/138824387 有些地方纯粹自己打一遍加深记忆，如果要看原版请看上述链接~faster-rcnn初始化anchor： 设输入图像为a*b，图像到需要rpn处时缩放系数为16，即此时feature map尺寸为a/16 * b/16；stride为1，padding为2，使用3 * 3的窗口滑动遍历该fea
转载
2024-09-05 15:57:27
70阅读
前言如何在anconda创建mmdetection虚拟环境和用pycham为项目配置环境见（linux）mmdetection环境配置gpu+anaconda+pycham+ RTX2080ti 笔记
mmdetection链接 https://github.com/open-mmlab/mmdetection或mirrors / open-mmlab / mmdetection · GitCod
转载
2024-10-15 09:38:28
93阅读
刚开始接触到深度学习的时候，做实验的一些记录。
现在看来有些简单的，权当写日志了。
收集数据样本训练，对于样本的选取的总结。
现象：
1、第一次训练车牌图片，车牌是已经被“归一化”过，使得所有的车牌图片都是相同的尺寸，就是说将原图的比例改变了。强行的变成了固定比例的车牌图片。当这样的图片经过训练之后，对正常的车牌图片识别效果很差，对同样经
文章目录Google Colab免费GPU使用教程什么是Google Colab？让Google Colab随时可用在Google云端硬盘上创建文件夹创建新的Colab笔记本设置GPU使用Google Colab运行基本Python代码使用Google Colab运行或导入.py文件如何改变文本的样式下载泰坦尼克号数据集（.csv文件）和显示前5行从Github 仓库中克隆project到Goo
转载
2024-05-22 19:26:03
57阅读
简介在之前的文章中，已经介绍了配置文件、数据、模型等方面的内容，在配置文件那篇文章中其实简单介绍了部分运行时相关的内容，本文将详细展开。需要说明的时，官方是将runtime与schedule区分开的，不过从配置继承的角度来看，它们可以放到一起，因此本文都将其视为运行时配置。运行时定制自定义优化器MMDetection支持所有的PyTorch定义的优化器（optimizer），如果想要使用某个优化器
转载
2024-06-23 07:04:18
134阅读
1. 已经安装cuda但是tensorflow仍然使用cpu加速的问题电脑上同时安装了GPU和CPU版本的TensorFlow，本来想用下面代码测试一下GPU程序，但无奈老是没有调用GPU。 import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant ([1.0, 2.0, 3.0], shape=[3]
转载
2024-05-02 23:17:24
330阅读
caffe若在GPU模式下，会默认是使用0号GPU，且默认只使用需要的GPU内存。（这一点和tensorflow不一样，tensorflow会默认使用所有的GPU，以及所有的GPU内存）train.sh -gpu 2 train.sh -gpu all train.sh -gpu 1,2,3 ...
原创
2022-10-13 09:56:21
51阅读
1. YOLO原文：You Only Look Once: Unified, Real-Time Object DetectionYOLO的思路是将目标检测问题直接看做是分类回归问题，将图片划分为S×S的格子区域，每个格子区域可能包含有物体，以格子为单位进行物体的分类，同时预测出一组目标框的参数。 检测过程YOLO相当于将图片划分成 的格子区域，为每一个格子预测出
转载
2024-10-25 17:40:01
93阅读
最近需要复现一篇基于mmdetection实现的实例分割模型《PolarMask》，之前博主在五月份的时候看的一篇论文《CenterPoint》也是基于mmdetection3d的。在前几天面试时，被质问“做检测的居然不用mmdetection？？？”，这些都揭示了mmdetection等一系列code base的便利之处，那就来学一下吧！ COCO数据集我这个实验室里没有学长学姐在玩，感受到了学
上篇文章提到了mmdetection的配置并且测试好啦。下面关于如何train我们自己的数据。主要讲一下一些改动原配置文件的问题，毕竟mmdetection开源的时间不长，还是在不断更新的。官方建议自己的数据在mmdetection目录下创建data目录，以coco数据格式为例吧。mmdetection
├── mmdet
├── tools
├── configs
├── data
│ ├─
您只需要专注于深度学习本身，无需安装任何深度学习环境，零设置开启您的深度学习之旅。极客云，为深度学习而生，您只需简单几步操作即可测试和训练您的模型。1.上传代码和训练集数据（不收费）上传的数据将会被挂载到 连接后服务器的 /data 目录下2.选择适合配置，创建云服务器。我第一次配置时候选择最便宜的，来熟悉环境，下载所需软件包。3. 配置好云主机后，打开Jupyter Notebook
转载
2024-04-24 15:35:52
80阅读
文章目录使用单GPU训练模型一，GPU设置二，准备数据三，定义模型四，训练模型 使用单GPU训练模型深度学习的训练过程常常非常耗时，一个模型训练几个小时是家常便饭，训练几天也是常有的事情，有时候甚至要训练几十天。训练过程的耗时主要来自于两个部分，一部分来自数据准备，另一部分来自参数迭代。当数据准备过程还是模型训练时间的主要瓶颈时，我们可以使用更多进程来准备数据。当参数迭代过程成为训练时间的主要瓶
转载
2024-05-11 16:07:21
616阅读
