MMPRETRAIN训练自己数据集全流程

本文主要对mmpretrain训练自己数据集进行了一个分布讲解

1、训练环境配置

mmpretrain下载路径：open-mmlab/mmpretrain at v1.2.0

环境配置具体内容在下述文章中有具体讲解：MMPRETRAIN安装环境配置指南_mmpretrain的安装-CSDN博客

2、划分自己的数据集

数据集划分代码及讲解在下述文章由具体讲解：深度学习划分数据集全流程_构造数据集的流程图-CSDN博客

3、设置配置文件

在完成上述部分后需要打开mmpretrain/configs，在其中选择自己需要的模型进行配置即可，本文以vgg目录下的vgg11_8xb32为例进行讲解

打开配置文件，开始对其进行设置，主要有两种方式：（推荐第二种方式设置配置文件）

（1）分别按路径打开这四个文件进行设置，它们分别是模型配置文件、数据集配置文件、优化器文件路径、日志配置路径

（2）直接打开tools目录下的文件（tools/train.py），将模型配置文件作为参数进行运行，运行方式也有两个：

     1.在pycharm中的edit configuration中进行修改，在框出位置输入路径即可（此方法更佳）

edit configuration不会用的可以查看文章：

      2.在terminal中输入下述指令即可 

python tools/train.py configs/vgg/vgg11_8xb32_in1k.py

 运行完以后打开work_dirs/vgg11_8xb32_in1k/vgg11_8xb32_in1k.py

   1.首先必须对所有的num_classess进行修改

 2.必须对data_root，数据集路径进行修改

 3.若数据集的分类少于5类还需要对topk进行修改，将5注释掉

4、设置数据集分类

按照博主上述方法划分数据集后，即可直接修改然后使用

打开imagenet.py，在此处加入此段代码将其换成自己的分类即可

CLASSES=[
    '1','2','3','4'
]

还有第二种方法配置文件，但需要进行注册，有需要的话博主会在后面进行讲解

5、开始训练

（1）将edit configurations中的路径修改为work_dirs/vgg11_8xb32_in1k/vgg11_8xb32_in1k.py运行即可

（2）在terminal中输入代码运行即可

python tools/train.py work_dirs/vgg11_8xb32_in1k/vgg11_8xb32_in1k.py

运行后数据会保存到work_dirs文件夹下

mmpretrain的训练就完成了