mmdetection 源码解析——test.py

一、程序结构

test.py的代码结构比较简单，如下流程图所示：

１

>1

开始

参数获取

判断输出文件格式

读取配置文件 (mmcv.Config.fromfile)

设置cuda_benchmark, 模型，数据集

判断gpu数量

模型创建，数据加载

单核输出

模型创建，数据加载

并行输出

输出结果

核心代码梳理

(1)参数获取

args = parse_args()

主要解析参数，其参数含义为：

参数名	含义
config	配置文件名
checkpoint	checkpoint 文件
gpus	gpu数量
proc_per_gpu	每个GPU的进程数, 默认为１
out	输出文件名
eval	验证类型
show	显示结果

(2)配置文件解析

cfg = mmcv.Config.fromfile(args.config)

后续有具体博文

(3)数据集加载

dataset = obj_from_dict(cfg.data.test, datasets, dict(test_mode=True))

后续

(4)模型创建及数据加载

单卡

model = build_detector(
            cfg.model, train_cfg=None, test_cfg=cfg.test_cfg)
        load_checkpoint(model, args.checkpoint)
        model = MMDataParallel(model, device_ids=[0])

        data_loader = build_dataloader(
            dataset,
            imgs_per_gpu=1,
            workers_per_gpu=cfg.data.workers_per_gpu,
            num_gpus=1,
            dist=False,
            shuffle=False)
        outputs = single_test(model, data_loader, args.show)

多卡

model_args = cfg.model.copy()
       model_args.update(train_cfg=None, test_cfg=cfg.test_cfg)
       model_type = getattr(detectors, model_args.pop('type'))
       outputs = parallel_test(
           model_type,
           model_args,
           args.checkpoint,
           dataset,
           _data_func,
           range(args.gpus),
           workers_per_gpu=args.proc_per_gpu)

后续