视频：4小时入门深度学习+实操MMDetection 第二课

 

•  目标检测工具包。

• 一完成目标检测。
• 二完成实例分割。
• 很方便可以进行模块替换。

•  pytorch 4万多star。

•  几行pathon API即可调用强大的检测能力。
• 配置文件修改，可以训练自己的模型。

•  首先有python,然后是pytorch，然后是mmcv（mmlab基础组件），在此之上才是mmcls,mmdet。
• openbayes这个平台把基本的东西就装好了。

•  注册Openbayes账号（印象笔记备忘录）

•  可以选择pytorch的版本。

打开工作空间

import os
os.getcwd

1.获取当前工作目录。

2.pip是管理python软件包的小工具。

•  在python里面pytorch就叫torch。有红线这个标识，说明支持GPU ，还可以查看cuda的版本。

如果GPU的机器上没有按照这个版本，是无法用显卡跑的。

• 比较的好的是，它把mmcv-full也安装好了。

 现在唯一到做的就是装mmdetection。

安装mmdetection有两种方式，

第一种方式：github源码下载方式。

第二种方式：mim类似pip和conda是管理openmmlab的包的工具。

首先安装min包

!pip install openmim  #感叹号是代表本来应该在命令框中执行的命令，在python的环境中执行

安装mmdet:

!mim install mmdet=2.22.0   #==可以指定安装的版本，否则就是安装最新的版本。

 mim实际上是可以将代码从github上下载下来，然后用pip进行安装，安装到固定位置，同时把其他的依赖也安装上。

安装完成之后，通过import看看，是否安装成功。

mmdetection里面有个configure文件夹，里面的每个文件夹就是一个模型。

•  数据增强策略。
• 训练策略：梯度下降、随机梯度下降。
• 配置GPU。
• 打印日志，保存checkpoint。
• 

 

 3.训练自己的模型

•  使用COCO预训练检测模型的梯度下降的起点。

 Prerequisites — MMDetection 2.25.0 documentation

• MMdetection文档