服務器：
驅動驗證
nvidia-smi
//截圖快捷鍵 shift+ctrl+print 到粘貼板
cuda 驗證
cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
若有result=PASS，則CUDA安裝成功。
NCCL 驗證
未驗證
anaconda 配置
。。。。
conda 創建一個虛擬環境
。。。。
在虛擬環境中配置Pytorch
安裝pytorch及torchvision
安裝mmcv
安裝mmdetection
測試test.py
利用mmedetection 訓練自己的VirDrone數據集
VirDrone數據集轉成coco格式
上傳服務器訓練數據集
cascade_rcnn_r50_fpn_1x.py配置文件
# model settings
model = dict(
type='CascadeRCNN', # model類型
num_stages=3, #RCNN網絡的stage數量，在faster-RCNN中爲1
pretrained='torchvision://resnet50', #預訓練模型：imagenet-resnet50
backbone=dict(
type='ResNet', #backbone類型
depth=50, # 網絡層數
num_stages=4, # resnet的stage數量
out_indices=(0, 1, 2, 3), # 輸出的stage的序號
frozen_stages=1, # 凍結的stage數量，即該stage不更新參數，-1表示所有的stage都更新參數
norm_cfg=dict(type='BN', requires_grad=True), #
style='pytorch'), # 網絡風格：如果設置pytorch，則stride爲2的層是conv3x3的卷積層；如果設置caffe，則stride爲2的層是第一個conv1x1的卷積層
neck=dict(
type='FPN', # neck類型
in_channels=[256, 512, 1024, 2048], # 輸入的各個stage的通道數
out_channels=256, # 輸出的特徵層的通道數
num_outs=5), # 輸出的特徵層的數量
rpn_head=dict(
type='RPNHead', # RPN網絡類型
in_channels=256, # RPN網絡的輸入通道數
feat_channels=256, # 特徵層的通道數
anchor_scales=[8], # 生成的anchor的baselen，baselen = sqrt(w*h)，w和h爲anchor的寬和高
anchor_ratios=[0.5, 1.0, 2.0], # anchor的寬高比
anchor_strides=[4, 8, 16, 32, 64], # 在每個特徵層上的anchor的步長（對應於原圖）
target_means=[.0, .0, .0, .0], # 均值
target_stds=[1.0, 1.0, 1.0, 1.0], # 方差
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),
loss_bbox=dict(type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)),
bbox_roi_extractor=dict(
type='SingleRoIExtractor', # RoIExtractor類型
roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2), ## ROI具體參數：ROI類型爲ROIalign，輸出尺寸爲7，sample數爲2
out_channels=256, # 輸出通道數
featmap_strides=[4, 8, 16, 32]), # 特徵圖的步長
bbox_head=[
dict(
type='SharedFCBBoxHead', # 全連接層類型
num_fcs=2, # 全連接層數量
in_channels=256, # 輸入通道數
fc_out_channels=1024, # 輸出通道數
roi_feat_size=7, # ROI特徵層尺寸
num_classes=81, # 分類器的類別數量+1，+1是因爲多了一個背景的類別
target_means=[0., 0., 0., 0.], # 均值
target_stds=[0.1, 0.1, 0.2, 0.2], # 方差
reg_class_agnostic=True, # 是否採用class_agnostic的方式來預測，class_agnostic表示輸出bbox時只考慮其是否爲前景，後續分類的時候再根據該bbox在網絡中的類別得分來分類，也就是說一個框可以對應多個類別
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),
dict(
type='SharedFCBBoxHead',
num_fcs=2,
in_channels=256,
fc_out_channels=1024,
roi_feat_size=7,
num_classes=81,
target_means=[0., 0., 0., 0.],
target_stds=[0.05, 0.05, 0.1, 0.1],
reg_class_agnostic=True,
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),
dict(
type='SharedFCBBoxHead',
num_fcs=2,
in_channels=256,
fc_out_channels=1024,
roi_feat_size=7,
num_classes=81,
target_means=[0., 0., 0., 0.],
target_stds=[0.033, 0.033, 0.067, 0.067],
reg_class_agnostic=True,
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))
])
# model training and testing settings
train_cfg = dict(
rpn=dict(
assigner=dict(
type='MaxIoUAssigner', # RPN網絡的正負樣本劃分
pos_iou_thr=0.7, # 正樣本的iou閾值
neg_iou_thr=0.3, # 負樣本的iou閾值
min_pos_iou=0.3, # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低於0.3，則忽略所有的anchors，否則保留最大IOU的anchor
ignore_iof_thr=-1), # 忽略bbox的閾值，當ground truth中包含需要忽略的bbox時使用，-1表示不忽略
sampler=dict(
type='RandomSampler', # 正負樣本提取器類型
num=256, # 需提取的正負樣本數量
pos_fraction=0.5, # 正樣本比例
neg_pos_ub=-1, # 最大負樣本比例，大於該比例的負樣本忽略，-1表示不忽略
add_gt_as_proposals=False), # 把ground truth加入proposal作爲正樣本
allowed_border=0, # 允許在bbox周圍外擴一定的像素
pos_weight=-1, # 正樣本權重，-1表示不改變原始的權重
debug=False), # debug模式
rpn_proposal=dict(
nms_across_levels=False,
nms_pre=2000,
nms_post=2000,
max_num=2000,
nms_thr=0.7,
min_bbox_size=0),
rcnn=[ # 注意，這裏有3個RCNN的模塊，對應開頭的那個RCNN的stage數量
dict(
assigner=dict(
type='MaxIoUAssigner', # RCNN網絡正負樣本劃分
pos_iou_thr=0.5, # 正樣本的iou閾值
neg_iou_thr=0.5, # 負樣本的iou閾值
min_pos_iou=0.5, # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低於0.5，則忽略所有的anchors，否則保留最大IOU的anchor
ignore_iof_thr=-1), # 忽略bbox的閾值，當ground truth中包含需要忽略的bbox時使用，-1表示不忽略
sampler=dict(
type='RandomSampler', # 正負樣本提取器類型
num=512, # 需提取的正負樣本數量
pos_fraction=0.25, # 正樣本比例
neg_pos_ub=-1, # 最大負樣本比例，大於該比例的負樣本忽略，-1表示不忽略
add_gt_as_proposals=True), # 把ground truth加入proposal作爲正樣本
pos_weight=-1, # 正樣本權重，-1表示不改變原始的權重
debug=False), # debug模式
dict(
assigner=dict(
type='MaxIoUAssigner',
pos_iou_thr=0.6,
neg_iou_thr=0.6,
min_pos_iou=0.6,
ignore_iof_thr=-1),
sampler=dict(
type='RandomSampler',
num=512,
pos_fraction=0.25,
neg_pos_ub=-1,
add_gt_as_proposals=True),
pos_weight=-1,
debug=False),
dict(
assigner=dict(
type='MaxIoUAssigner',
pos_iou_thr=0.7,
neg_iou_thr=0.7,
min_pos_iou=0.7,
ignore_iof_thr=-1),
sampler=dict(
type='RandomSampler',
num=512,
pos_fraction=0.25,
neg_pos_ub=-1,
add_gt_as_proposals=True),
pos_weight=-1,
debug=False)
],
stage_loss_weights=[1, 0.5, 0.25]) # 3個RCNN的stage的loss權重
test_cfg = dict(
rpn=dict( # 推斷時的RPN參數
nms_across_levels=False, # 推斷時的RPN參數
nms_pre=1000, # 在nms之前保留的的得分最高的proposal數量
nms_post=1000, # 在nms之後保留的的得分最高的proposal數量
max_num=1000, # 在後處理完成之後保留的proposal數量
nms_thr=0.7, # nms閾值
min_bbox_size=0), # 最小bbox尺寸
rcnn=dict(
score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)) # max_per_img表示最終輸出的det bbox數量
# dataset settings
dataset_type = 'CocoDataset' # 數據集類型
data_root = 'data/coco/' # 數據集根目錄
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) # 輸入圖像初始化，減去均值mean並處以方差std，to_rgb表示將bgr轉爲rgb
train_pipeline = [
dict(type='LoadImageFromFile'),
dict(type='LoadAnnotations', with_bbox=True),
dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), # 輸入圖像尺寸，最大邊1333，最小邊800
dict(type='RandomFlip', flip_ratio=0.5), # 圖像的隨機左右翻轉的概率
dict(type='Normalize', **img_norm_cfg), # 圖像初始化參數
dict(type='Pad', size_divisor=32), # 對圖像進行resize時的最小單位，32表示所有的圖像都會被resize成32的倍數
dict(type='DefaultFormatBundle'),
dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),
]
test_pipeline = [
dict(type='LoadImageFromFile'),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
flip=False,
transforms=[
dict(type='Resize', keep_ratio=True),
dict(type='RandomFlip'),
dict(type='Normalize', **img_norm_cfg),
dict(type='Pad', size_divisor=32),
dict(type='ImageToTensor', keys=['img']),
dict(type='Collect', keys=['img']),
])
]
data = dict(
imgs_per_gpu=2, # 每個gpu計算的圖像數量
workers_per_gpu=2, # 每個gpu分配的線程數
train=dict(
type=dataset_type, # 數據集類型
ann_file=data_root + 'annotations/instances_train2017.json', # 數據集annotation路徑
img_prefix=data_root + 'train2017/', # 數據集的圖片路徑
pipeline=train_pipeline),
val=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_val2017.json',
img_prefix=data_root + 'val2017/',
pipeline=test_pipeline),
test=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_val2017.json',
img_prefix=data_root + 'val2017/',
pipeline=test_pipeline))
evaluation = dict(interval=1, metric='bbox')
# optimizer
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001) # 優化參數，lr爲學習率，momentum爲動量因子，weight_decay爲權重衰減因子
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2)) # 梯度均衡參數
# learning policy
lr_config = dict(
policy='step', # 優化策略
warmup='linear', # 初始的學習率增加的策略，linear爲線性增加
warmup_iters=500, # 在初始的500次迭代中學習率逐漸增加
warmup_ratio=1.0 / 3, # 起始的學習率
step=[8, 11]) # 在第8和11個epoch時降低學習率
checkpoint_config = dict(interval=1) # 每1個epoch存儲一次模
# yapf:disable
log_config = dict(
interval=50, # 每50個batch輸出一次信息
hooks=[
dict(type='TextLoggerHook'), # 控制檯輸出信息的風格
# dict(type='TensorboardLoggerHook')
])
# yapf:enable
# runtime settings
total_epochs = 12 # 最大epoch數
dist_params = dict(backend='nccl') # 分佈式參數
log_level = 'INFO' # 輸出信息的完整度級別
work_dir = './work_dirs/cascade_rcnn_r50_fpn_1x' # log文件和模型文件存儲路徑
load_from = None # 加載模型的路徑，None表示從預訓練模型加載
resume_from = None # 恢復訓練模型的路徑
workflow = [('train', 1)] # 當前工作區名稱
baseline
baseline1
WARNING - The model and loaded state dict do not match exactly
unexpected key in source state_dict: fc.weight, fc.bias