清晰的pysot训练pipeline

@[TOC]pysot训练(pipeline)

pysot训练(pipeline)

前期已经跑通pysot系列算法后，想要尝试进行改进，需要进行训练以获取基准数据。此时发现很多问题并不能简单通过train.md搞懂，中间咨询了很多朋友，现在进行一些介绍，期望能帮助到一些朋友。

tips：由于封装的比较多，所以默认当做SiamRPN来看。如果想要了解其他算法，请查看其他帖子。想要运行SiamFC建议followlaizi_laizi版本的siamfc。本帖子只针对linux系统。

1、数据集配置

默认Pysot训练是4个数据集，而且加载的训练数据集前提是有一个裁剪的操作(显卡算力不大的话需要比较久的一段时间)，裁剪操作在training_dataset对应的各个数据集文件夹内(py文件)。现附上已经裁剪好的数据集链接（感谢sot 日狗大佬的分享，解压后会出现crop511的数据集）。
以vid为例，须配置内部文件路径为 ： vid—crop511,train.json,val.json—a,b,c,d,e。具体vid这个大的文件可以存放到任意位置，在config中指定即可。
链接：https://pan.baidu.com/s/1bZR5dkaOKdBdqs8oowdqfQ
提取码：pw79
–来自百度网盘超级会员V1的分享

2、config配置

如果直接使用默认的完整数据集进行训练，config不需要额外的配置，如果想要单独使用单个数据集，需要进行如下更改(core-config.py；experiments-siam-config.yaml)

1、以vid为例，如果仅使用此数据集，需要将(‘VID’)改为[‘VID’]形式，否则会报错。
2、将两张图片中出现的不需要的数据集配置均注释掉。
3、前面提到的vid数据集可以存放到任意位置，可以在此处将加载的vid数据集位置进行对应的更改。

3、其余说明

1、export PYTHONPATH=/path/to/siamban:$PYTHONPATH
需要将/path/to/更改为自身的路径。例/home/jay/siamban:

2、如果同时训练多个算法，可以使用linux中的screen命令(请查看相关帖子)。

3、由于默认设置epoch20，在第11个epoch开始时会开始解冻backbone，所以显存占用会有小幅度提升，在训练时请注意留一点显存剩余。

4、如果在训练过程因为一些原因中断，可以执行如下操作(config.yaml中)。
将RESUME=’’,更改为RESUME:‘snapshot/checkpoint_e！！！.pth’，请将!!!替换为实际的已训练轮数，例如果在第11个epoch时中断，可更改为RESUME:‘snapshot/checkpoint_e10.pth’。

欢迎交流，如果有大佬试过如何单卡训练，也请不吝赐教。