pytorch 从头开始faster-rcnn（一）：代码知识准备

本文代码是参考github上的simple-faster-rcnn-pytorch：https://github.com/zylhub/simple-faster-rcnn-pytorch

有需要的可以自行下载参考，就不放上自己写的，上面的已经写的很详细了！！！

一：

class config:
    def _parse(self, kwargs):
        state_dict = self._state_dict()
        for k, v in kwargs.items():
            if k not in state_dict:
                raise ValueError('UnKnown Option: "--%s"' % k)
            setattr(self, k, v)

类中函数前面带_  代表：

从意思上，告诉你这个函数是受保护的函数，只有类本身和其子类才能调用。从代码上来说，没有任何意义。。。因为Python没有那些关键字，是不是子类都可以调用，只是作者希望你只在子类中调用。。。

二：

2 文件组织架构

首先来看程序文件的组织结构：

├── checkpoints/
├── data/
│   ├── __init__.py
│   ├── dataset.py
│   └── get_data.sh
├── models/
│   ├── __init__.py
│   ├── AlexNet.py
│   ├── BasicModule.py
│   └── ResNet34.py
└── utils/
│   ├── __init__.py
│   └── visualize.py
├── config.py
├── main.py
├── requirements.txt
├── README.md

其中：

• checkpoints/： 用于保存训练好的模型，可使程序在异常退出后仍能重新载入模型，恢复训练
• data/：数据相关操作，包括数据预处理、dataset实现等
• models/：模型定义，可以有多个模型，例如上面的AlexNet和ResNet34，一个模型对应一个文件
• utils/：可能用到的工具函数，在本次实验中主要是封装了可视化工具
• config.py：配置文件，所有可配置的变量都集中在此，并提供默认值
• main.py：主文件，训练和测试程序的入口，可通过不同的命令来指定不同的操作和参数
• requirements.txt：程序依赖的第三方库
• README.md：提供程序的必要说

三. 关于__init__.py

可以看到，几乎每个文件夹下都有__init__.py，一个目录如果包含了__init__.py 文件，那么它就变成了一个包（package）。__init__.py可以为空，也可以定义包的属性和方法，但其必须存在，其它程序才能从这个目录中导入相应的模块或函数。例如在data/文件夹下有__init__.py，则在main.py 中就可以

from data.dataset import DogCat

而如果在data/__init__.py中写入

from .dataset import DogCat

则在main.py中就可以直接写为：

from data import DogCat

或者

import data;
dataset = data.DogCat

相比于from data.dataset import DogCat更加便捷。

四.visdom

具体细节可以看visdom使用讲解：https://ptorch.com/news/77.html

1、基本

vis.image

这个函数绘制一个img。它将 包含图像的CxHxW张量作为输入img。

以下opts是支持的：

• opts.jpgquality：JPG质量（number0-100;默认= 100）
• opts.caption：图像的标题

vis.images

这个函数绘制一个列表images。它需要一个输入B x C x H x W张量或list of images全部相同的大小。它使大小的图像（B / Nrow，Nrow）的网格。

以下参数和opts支持：

• nrow：连续的图像数量
• padding：在图像周围填充，四边均匀填充
• opts.jpgquality：JPG质量（number0-100;默认= 100）
• opts.caption：图像的标题

vis.text

这个功能在一个盒子里打印文本。你可以使用它来嵌入任意的HTML。它需要输入一个text字符串。opts目前没有具体的支持。

vis.video

此功能播放视频。它输入视频的文件名videofile或一个LxCxHxW尺度的tensor（在Lua）或或LxHxWxC尺度的tensor包含视频作为输入的所有帧（在Python）。该功能不支持任何情节特定opts。

以下opts是支持的：

• opts.fps：视频的FPS（integer>0;默认= 25）

注意：使用tensor输入需要安装并运行ffmpeg。您播放视频的能力可能取决于您使用的浏览器：您的浏览器必须支持OGG容器中的Theano编解码器（Chrome支持此功能）。

vis.svg

这个函数绘制一个SVG对象。它将SVG字符串svgstr或SVG文件的名称作为输入svgfile。该功能不支持任何特定的 opts。

vis.save

这个功能保存envs在visdom服务器上的活动。它需要输入一个列表（在Python中）或表（在lua中）env id被保存。