detectron2：训练过程

detectron2的训练过程大致就是hook+trainer的过程，具体可以查看detectron2/engine/train_loop.py中的源码，HookBase基类和Trainerbase基类

Hook的主要内容就是针对深度学习训练、测试过程中的不同需求，定义了很多个不同的Hook，用来处理训练之前、之后需要准备、收尾的工作。其中包括了计算时间的IterationTimer、按一定周期输出结果的PeriodicWriter、调整学习率的LRScheduler等。当然我们也可以自己添加hook

Trainerbase的工作就是遍历这些hook,依次执行，不过这个遍历有四种，分别是before_train,after_train,before_step,after_step。还有一个就是run_step,这个函数其实就是平常我们在编写训练过程的代码，例如读数据，训练模型，获取损失值，求导数，反向梯度更新等,只不过在这个类里面没有定义。

detectron2定义了两种Trainer,都是继承于Trainerbase

1.SimpleTrainer :提供了最简单的 单损失，单优化器，单数据集的 训练循环，没有其它的任何功能（包括保存，记录等），这些功能可以通过 hook 来实现。

2.DefaultTrainer :在 tools/train_net.py 和很多脚本中被使用。DefaultTrainer 从 config 初始化，包含了一些允许用户自定义的更加标准化的操作，比如优化器的选择、学习率的规划、记录日志、保存模型、评测模型等。

下面直接上demo:

import detectron2.data.transforms as T
from detectron2.data.dataset_mapper import DatasetMapper
from detectron2.config import get_cfg

    cfg = get_cfg()
    config_file = "configs/RCNN/Base-RCNN.yaml"
    cfg.merge_from_file(config_file)
    cfg.DATASETS.TRAIN = ("smoke_train",)
    cfg.SOLVER.IMS_PER_BATCH = 2
    cfg.SOLVER.BASE_LR = 0.001
    cfg.INPUT.MAX_SIZE_TRAIN = 400
    cfg.INPUT.MAX_SIZE_TEST = 400
    cfg.INPUT.MIN_SIZE_TRAIN = (160,)
    cfg.INPUT.MIN_SIZE_TEST = 160
    cfg.OUTPUT_DIR = "./test_cocodata_register"
    mapper = DatasetMapper(cfg,is_train=True)
    train_loader = build_detection_train_loader(cfg,mapper=mapper)

from detectron2.engine import DefaultTrainer
    print(cfg)
    trainer = DefaultTrainer(cfg)
    trainer.resume_or_load(resume=False)
    trainer.train()