OpenMMLab实战营打卡 - 第三课

·MMClassification介绍和实战

从模型构成讲起，仓库里面右十分丰富的模型，支持常用的数据集训练，而且使用更加方便。

可以使用mim来管理和配置我们的环境，根据github上的环境安装以后，我们能够使用python推理看到结果

出现字典的推理结果，证明环境安装成功，因为要在超算平台下，没有提交作业的情况下默认使用CPU。

OpenMMLab 项目中的重要概念——配置文件

深度学习模型的训练涉及几个方面：
− 模型结构 模型有几层、每层多少通道数等等
− 数据集 用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等
− 训练策略 梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等
− 运行时 GPU、分布式环境配置等等
− 一些辅助功能 如打印日志、定时保存checkpoint等等

按照如下构建分类模型

这样就可以设置好配置文件，配置文件有很多参数可以选择，在实际的使用过程中可能要根据自己模型的情况微调参数，得到更好的结果。

心得

通过本节课，最重要的还是要学会如何构建配置文件，在mmlab的Github能够找到相关的预训练模型，还能找到相关的教程。但是最终要的还是要自己上手实验，如果需要更深的修改网络，模型训练参数，这就需要精读论文，从论文到平台复现。相比与直接使用Pytorch复现，选择Openmmlab反而会节约更多的时间，能够使得学习者有更多的精力放在科研上。