全球人工智能技术创新大赛之布匹疵点智能识别 task1

1.程序代码跑通

1.1 代码结构

baseline代码
代码结构

代码跑通步骤：

• 下载数据集放入train_data文件夹中。
• 训练模型。
• 测试模型性能。

1.2 step1：下载数据集

根据官方给出的guangdong2_data_list.txt中的链接下载好

• guangdong1_round2_train2_20191004_Annotations
• guangdong1_round2_train2_20191004_images
  把他们解压后原封不动放入train_data中。

1.3 step2：训练网络

第一步，处理数据。

python convertTrainLabel.py 
python process_data_yolo.py 

注意process_data_yolo.py只能转换val数据集，所以将代码中的val都改成train来转换train数据集。
第二步，训练网络。
下载预训练权重yolo5s.pt，链接点我。将其放置在weights文件夹下，更改名字为best.pt。
注意将train代码中的第120行代码进行更改。

# 更改前
if model.state_dict()[k].shape == v.shape}
# 更改后
if k in model.state_dict() and model.state_dict()[k].shape == v.shape}

最后进行模型训练。

python train.py

1.4 上传前的收尾操作

由于pytorch版本不匹配，在项目文件夹内新建一个changckpt.py文件用于权重文件编码方式的转换。（高版本选用）

import torch
from utils import torch_utils

device = torch_utils.select_device('0')
ckpt = torch.load('./weights/best.pt',map_location=device)    # 读取best.pt权重
torch.save(ckpt, './weights/new.pt', _use_new_zipfile_serialization=False)    # 使用旧的方式保存

更改run.sh文件，原本为空。
detect.py为识别模型运行文件 --source 后面接的是测试集。

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

2. Docker上载

容器是直接运行于操作系统内核之上的隔离沙箱，由于不需要安装操作系统，所以其具有轻量化的特点。但是由于运行于内核之上，Docker只能运行于Linux系统之上。
Docker是一个能够将应用程序自动载入容器中的开源软件，是在已经运行的 Linux 下制造了一个隔离的文件环境。

仓库	储存镜像的地方
镜像	类似存在硬盘的应用程序
容器	程序运行起来
Dockerfile	通过Dockerfile构建镜像
tar文件	镜像可以打包成tar文件

2. Docker安装

Windows环境(本地端)下Docker环境配置问题记录
配置教程

• 配置过程中出现的wsl2安装不完全
  
  解决方案：根据wsl2的安装教程安装。
  最后在命令行输入以下指令判断是否安装成功。

docker run hello-world

3. 创建镜像仓库

link

4. 构建镜像

1. 在仓库文件夹内打开命令行或通过cd进入文件夹。
2. 登录镜像

docker login --username=****** your_registry_url(容器镜像地址)

3. 在要pull的文件夹内创建一个Dockerfile的文件。
4. 构建镜像

docker build -t registry.cn-********:1.0 .
# docker build -t 镜像仓库:版本号 构建镜像仓库路径(不可省略)

构建镜像过程中出现问题：
构建镜像必须先登录云
Dockerfile和位于同一路径下
命令行需要在文件夹路径打开

5. 配置容器环境

查看镜像的IMAGE ID

docker images 

进入镜像

docker run -it 28e45ec06cc7 /bin/bash

pytorch拉取基本镜像时已经装了(拉取操作在Docker中实现)
安装其他需要的库文件

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple

保存镜像（将容器保存到镜像中）
ctrl+P+Q推出root

docker commit 550dfb0a761f registry.cn-shenzhen.aliyuncs.com/yiyuchen/tianchi_demo:1.0
docker commit 容器ID 镜像仓库地址:1.0

3. 跑分结果