全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别 笔记

主要代码参考了https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection的baseline，使用的YOLOv5系列模型，关于源码的注释在YOLOV5训练代码train.py注释与解析

记录一下遇到的问题：

1、数据预处理问题

train.sh文件中，第二步使用了process_data_yolo.py，源码中关于数据集存放位置存在问题，只写了val的处理，没写train的处理，所以生成的process_data文件夹中， 只有val而没有train，训练时会报错。

所以不能直接用train.sh脚本，要顺序运行里面的命令，到第二步的时候，先执行一遍，如下图做修改后再执行一遍，从而把训练集和验证集都准备好。

2、 预训练权重问题

使用如下命令训练

 python train.py --weights weights/yolov5x.pt --cfg models/yolov5x.yaml --batch-size 3

加载YOLOv5的官方预训练权重，结果报错 

KeyError: "weights/yolov5m.pt is not compatible with models/yolov5m.yaml. This may be due to model differences or weights/yolov5x.pt may be out of date. Please delete or update weights/yolov5x.pt and try again, or use --weights '' to train from scratch."

谷歌后找到的官方源码的issue，https://github.com/ultralytics/yolov5/issues/222#issuecomment-650999053

在源码的120行做如下修改，就能正常加载权重了。

3、docker构建

3.1 本地训练

首先在本地训练几个epoch，生成best.pt权重文件，训练的方式随便，Windows环境、Linux环境、docker训练都可以。然后使用把用得上的文件拷贝到要构建docker的文件夹中。

但要注意docker教程中拉取的Pytorch镜像为1.4版本（registry.cn-shanghai.aliyuncs.com/tcc-public/pytorch:1.4-cuda10.1-py3），我们现在常用的pytorch环境为1.7，在保存权重的时候会使用新版本的序列化方式，导致docker测试时权重读取序列化失败，所以新建个Python脚本，把best.pt重新保存下。

ckpt = torch.load('best.pt', map_location=device)    # 读取best.pt权重
torch.save(ckpt, 'new.pt', _use_new_zipfile_serialization=False)    # 使用旧的方式保存

3.2 构建docker

baseline的源码中，run.sh中为空，改为

python detect.py --source ./tcdata/guangdong1_round2_testB_20191024

然后使用 docker build 命令构建镜像。

通过 docker run 进入容器。

注意点：

根据https://github.com/datawhalechina/team-learning-cv/blob/master/DefectDetection/docker%E6%8F%90%E4%BA%A4%E6%95%99%E7%A8%8B.pdf构建完镜像后，

进入容器后安装额外依赖

pip install opencv-python
pip install matplotlib
pip install scipy

注意安装完后检查opencv能否正常运行，直接在终端打开Python，然后 import cv2，如果报错的话，

# 解决方法：
apt update
apt install libgl1-mesa-glx
apt-get install -y libglib2.0-0

注意此时不要关闭容器，因为如果关掉的话，刚才安装的依赖不会被更新到刚才的镜像中！

要想使镜像也实现这些改动，需要把当前容器另存为一个新的镜像。

所以教程里让退出但不关闭容器。

使用 docker commit 将当前容器提交为镜像，然后使用 docker images 列出所有镜像，最新的一条就是刚才另存为的新镜像，可以看到imageID和刚才构建出的那个镜像是不同的。

然后就可以

 docker run your_image（自己替换） sh run.sh

运行自己的镜像，看是否报错，因为现在目录里没有tcdata这个测试文件夹，如果报文件相关的错误就是正常的，或者可以自己建个文件夹试一下。

过程中，如果报错的话，一般就是run.sh有问题，可以在容器内修改完再另存为镜像一次（同上），这样比较省时间。或者参考修改已有docker容器中的内容，操作规范一些。

4 推送镜像

直接 docker push 到自己的镜像仓库。

由于我是训练完构建的镜像，基础环境加上权重，镜像一共9.44G，非常大，推送很慢，估计在600k左右，过程中如果因为网络问题想中断重试的话，可以Ctrl+C打断，已经推送成功的layer会保存，不需要重新传（不知道保存多久），但是传到一半的会重新开始，要注意。

5 提交

这里注意账号密码不要填错，我一开始填错了密码，导出出现了 ImagePullBackOff 错误。

训练了50个epoch的结果如下，确实挺差的。。。

6 更新

多训练几个epoch后，生成新的权重文件best.pt，使用docker cp命令将其拷贝到容器中，然后docker commit保存为新的镜像，重新docker push

可以看到只需要重新上传权重文件就可以了，其他层都已存在，比第一次上传9个G快很多