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
标签:in1k,配置文件,流程,py,vgg11,8xb32,集全,mmpretrain,MMPRETRAIN From: https://blog.csdn.net/2402_83398439/article/details/143647807