colab上训练深度学习

环境配置部分

• !git clone https://github.com/open-mmlab/mmdetection.git
• 在git上将mmdetection文件夹clone下来，里面包含了深度学习的各个模型
• pip uninstall torch torchvision -y
• 卸载掉原有的pytorch
• pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
• 线上安装新的pytorch
• pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
• 安装mmcv
• pip install ipykernel
• pip install mmpycocotools
• 安装额外的环境配置
• cd /content/drive/MyDrive/mmdetection
• 去刚刚安装的mmdetection文件下
• pip install -r requirements/build.txt
• 配置环境
• pip install -v -e

实验部分

• 将你自己的数据文件夹放在mmdetection文件夹里面
• 然后新建一个文件夹叫model
• 在model文件夹里面新建一个等会要训练模型的py文件
• 然后从git中搜索mmdetection，进入里面往下翻，找到想要的模型
• 比如yolov3
  
  

• 更改好路径后，输入下面的代码就可以运行

python tools/train.py configs/model/yolov3.py

• 其中注意“configs/model/yolov3.py”是你的文件路径，根据自身情况进行修改即可
• 首先说没有mmdet，这个问题中午已经解决了，然后就是又说没有pycocotools，也就是一直我们遇见的问题，
• 把这个错误解决好后，就可以正常的训练了
• 但是因为我没有遇见这个问题，所以我也只能边百度边解决

结果展示

• 当以上的训练报错都解决好了之后，就可以进行下一个模型的训练了，就是重复上面的步骤
• 以我自己的为例，我使用Cascade_RCNN和TOOD模型的，假设现在都训练好了
• 那么就可以进行结果分析了，下面就是绘制他们两个的曲线对比图的代码

tools/analysis_tools/analyze_logs.py plot_curve mmdetection/work_dirs/cascade_rcnn_r101_fpn_1x_orange/20230113_024503.log.json mmdetection/work_dirs/tood_r50_fpn_anchor_based_1x_orange/20230116_030156.log.json  --keys bbox_mAP  --legend Cascade_RCNN TOOD --title mAP --out mAP.pdf

• tools/analysis_tools/analyze_logs.py 就是一个类似画图的工具，你可以在mmdetection文件夹里面找到这个py文件
• plot_curve就是绘制曲线的意思
• mmdetection/work_dirs/cascade_rcnn_r101_fpn_1x_orange/20230113_024503.log.json 是我cascade_rcnn模型的训练结果
• mmdetection/work_dirs/tood_r50_fpn_anchor_based_1x_orange/20230116_030156.log.json 是我TOOD模型的训练结果
• –keys bbox_mAP 就是用mAP作为指标
• –legend Cascade_RCNN TOOD就是线的名字，一条叫Cascade_RCNN，另一条叫TOOD
• –title mAP 就是这个图的名字叫mAP
• –out mAP.pdf 意思是输出为pdf