yolop源码train.py学习

因为要做一个可行驶区域和车道线的任务，所以选了yolop，看他的刷榜还可以。
yolop的算法解读后边找了链接再贴出来。
花花花大神的博客
我们先从 tools/train.py 开始debug

• train.py 结构
  • import xxx
  • def parse_args()
  • main()
• train.py 先执行 parse_args() 来赋值一些参数，然后再执行 main()

进入 main() 实例化 args 然后通过 updata_config() 来合并 cfg 、args 这俩配置文件 cfg 是import导进来的，通过 yacs 模块创建的配置文件，里面是训练、测试的参数，在 lib/config/default.py 中

然后到 DDP 这里，是关于pytorch 分布式的东西，想学习自己百度吧 DDP 应用

之后到生成 log 和 tensorboard logdir 文件

之后到 cudnn 的参数赋值

之后到 选择 GPU 并输出GPU 一些信息

再往后，如果你是分布式训练，你会进入 if args.local_rank !=1: 来进行分布式配置 我这里没有分布式训练，所以直接进入 模型实例化

然后到 loss 和 优化器的选择

这里是在划分网络结构，将主干、目标检测、可行驶区域、车道线检测头区分

这里是根据epoch调整学习率，用了 cosine 学习率和 LambdaLR 可以自行百度

之后进入一个 if rank in [-1,0] 这里面判断是否加载预训练模型、继续训练、不同检测任务分别训练等
if os.path.exists(cfg.MODEL.PRETRAINED):
if os.path.exists(cfg.MODEL.PRETRAINED_DET):
if cfg.AUTO_RESUME and os.path.exists(checkpoint_file):
if cfg.TRAIN.SEG_ONLY:
if cfg.TRAIN.DET_ONLY:
if cfg.TRAIN.ENC_SEG_ONLY:
if cfg.TRAIN.ENC_DET_ONLY or cfg.TRAIN.DET_ONLY:
if cfg.TRAIN.LANE_ONLY:
if cfg.TRAIN.DRIVABLE_ONLY:

下面是多GPU训练 DataParalle 和 分布式训练 DDP 的实例化

下面是设置两个参数，gr 我还没看是啥 nc : number of classes

下面开始加载数据，创建train_dataset、train_loader、valid_dataset、vaild_loader 这里用了一个分布式数据加载 DistributedSampler()

下面是关于anchors的配置

下面开始训练、验证了，前两行用了预热训练 warmup 和 混合精度训练 amp

最后是保存模型

后边再写别的别的部分的代码学习，谢谢～