mmdetect2d训练自己的数据集（二）—— 模型训练

前言

近期在学习mmdetect，总体来说mmlab这个框架感觉上手难度还挺大的，自己也是结合b站各位up主（up主名称：我是土堆、OneShotLove、比飞鸟贵重的多_HKL）以及知乎mmlab官方边看边学，真的是保姆级教程，强烈推荐。但是大家为了防止以后忘记，记录一下，如果有不对的地方，欢迎大家批评指正。
关于数据前期处理请参照上一篇博客：mmdetect2d训练自己的数据集（一）—— labelme数据处理

一、数据准备

在mmdetection下添加data文件夹，并把准备好的coco数据集放入：

二、 修改config文件

1. 根据自身电脑配置修改输入的图片大小
主要是更改configs/base/models下面对应的这几个文件里的resize尺寸：

这里因为我的算力还算够，所以就不做修改了。
另外，不知道为什么，我在训练时候图片路径必须是绝对路径才不会报错，这里也是在这四个文件的开头部分就可以改。

2. 根据检测的种类个数修改num_classes
修改configs/base/models文件里对应模型中的的num_classes的值，总共有两处，如果你要检测3类就写3。这里要注意一点，mmdetect中不需要把背景归为一类，也就是你自己有几类写几类就可以：

3. 根据数据集的标签修改对应的标签值

修改mmdet/core/evaluation/class_names里面的标签文件

4. 开始运行
修改mmdet/datasets/coco.py里面对应的标签


这里要注意它是元组，如果只有一个标签的话要记得加逗号
5. 运行程序
可以在terminal里面直接输入

python tools/train.py configs/mask_rcnn/mask_rcnn_r50_fpn_2x_coco.py --gpus 2 --work-dir mywork_dir

这里我没有指定checkpoints，不是因为忘了，而是我要训练自己的，用预训练模型效果也不是很好，所以没有加。不过我在terminal用指令会出现错误，所以我是在菜单栏run–>adit configurations直接修改parameters，这样也有个好处就是我不需要每次都输入指令。

另外，–gpus 后面直接跟你要用的gpu个数就可以了。
6. 修改对应超参
如果没有要修改超参的话你可以直接运行了，但是如果要修改超参，则在程序运行后直接ctrl+c停掉，然后在你的输出路径下会有一个.py的配置文件，名字是你所用的模型，比如我的就是mask_rcnn_r50_fpn_2x_coco.py，在这里你可以修改你的模型相关参数，我一般也就修改下面这部分

runner可以修改迭代次数，对了，一般来说这边模型名称1×代表着12，2×就是24，指的就是最大迭代次数，这里也可以直接修改到自己想要的。
optimizer是优化器，这里用的SGD，然后学习率设置了0.02，官方说法是8个gpu用0.02，自己有几个gpu就按比例缩小或者扩大就行，比如我是两个gpu，所以我lr=0.005。
checkpoints_config里是设置你几次保存一次模型，默认是1，根据个人需要修改吧，我用的是2。
log_config里面的interval一样的，也是几次保存一次你的训练日志
下面几个我还没用到，不过大致是断点训练和工作流设置，还没弄明白，以后补充。

至此，这个模型就可以用来训练自己的数据集啦！