mmdetection使用

打印模型配置

python tools/misc/print_config.py configs/fast_rcnn/fast_rcnn_r50_fpn_1x_coco.py > liuconfig.txt

parser.add_argument('img', help='Image file')
parser.add_argument('-img', default="xx",help='Image file')

单GPU训练

CONFIG #配置文件路径
WORKDIR  #结果保存路径
python ./tools/train.py $CONFIG --work-dir $WORKDIR

多GPU训练

GPU_NUM #使用GPU的数量
CONFIG #配置文件路径
WORKDIR  #结果保存路径
CUDA_VISILE_DEVICES=0,1 ./tools/dist_train.sh $CONFIG 2 --work-dir work_dirs

bash ./tools/dist_train.sh  ${CONFIG_FILE} \
    ${GPU_NUM} \
    [optional arguments]

配置文件的命名规则：faster_rcnn_r50_fpn_mstrain_3x_coco.py（ms多尺度训练，3x更长时间的训练，是1xepoch的3倍
配置的三个部分：model，schedules，datasets三部分

wramup从一个小值增长到学习率
config配置文件对应的学习率设置为batch_size=16（8gpu*2imgs/gpu),lr=0.02（如果2gpu,batch_size=8,才对应lr=0.02)

./tools/dist_train.sh ./configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py  2 --work-dir work_dirs --resume-from="work_dirs/epoch_6.pth"

Ubuntu下查看占用gpu的进程：

#查看进程
fuser -v /dev/nvidia*
#杀死进程
kill -9 PID

重新训练指令：
nohup bash ./tools/dist_train.sh  ./configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py  2  --work-dir work_dirs_425 > base1.log 2>&1 &
resume指令：
./tools/dist_train.sh ./configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py  2 --work-dir work_dirs --resume-from="work_dirs/epoch_7.pth"
验证map结果（验证的是test集合，需要将val集合修改为test集合）
bash ./tools/dist_test.sh  ./configs/swin/cascade_swin_base.py  ./work_dir_426_1657/epoch_3.pth  2 --eval mAP
验证test集合指令，只生成预测结果的json文件，不产生map值
./tools/dist_test.sh configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py  work_dirs/epoch_13.pth  2  --format-only --options "jsonfile_prefix=./cascade_rcnn_r101_fpn_1x_coco"
画图的指令
python ./tools/analysis_tools/analyze_logs.py plot_curve ./work_dir_427_2111/20220428_000801.log.json  --keys lr loss  --out loss.pdf

id5159和5160是相同的（image_id:475)(删除了5160在train中
id5105和5106相同（image_id:2451)（删除了5106在val中

/root/.cache/torch/hub/checkpoints/存放预训练模型的地方

在dist_train.sh脚本中，端口被PORT=KaTeX parse error: Expected '}', got 'EOF' at end of input: {PORT:-((29500 + $RANDOM % 10))}