前几篇文章基本已经将整个项目的流程梳理了一遍，但是其实都缺了一个非常重要的步骤就是配置，在这篇博客中，咱们梳理一下config文件中一些重要的部分，以及各个流程必须要设置的一些部分。
获取默认的配置
1
2
3
from detectron2.config import get_cfg
cfg=get_cfg()
data配置
对于data，我们通常配置的就是训练集和测试集的名字，以及dataloader的一些参数
1
2
3
4
5
6
7
8
9
10
11
12
#配置训练集，用于在train_dataloader里
cfg.DATASETS.TRAIN = ("balloon_train",)
#配置测试集，用于在defaultpredictor里用
cfg.DATASETS.TEST = ("balloon_val", )
#配置num_workers
cfg.DATALOADER.NUM_WORKERS = 2
#配置batch
cfg.SOLVER.IMS_PER_BATCH
训练的配置
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
#配置模型权重，但是得保证配置文件里的默认模型跟其相同
cfg.MODEL.WEIIGHTS=model_zoo.get_checkpoint()
#所以我们通常会这样做来引入预训练模型
cfg.merge_from_file(model_zoo.get_config_file(model.pt))
cfg.MODEL.WEIGHTS=model_zoo.get_checkpoint(mode.pt)
#配置num_class
cfg.MODEL.ROI_HEADS.NUM_CLASSES= num_class
#配置roi的minibatch，不是必须，调整这个会改变训练速度
cfg.MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE=512 (默认值)
#配置基本的学习率，建议哪怕是自定义optimizer,也用这个来获取学习率
cfg.SOLVER.BASE_LR=0.00025
#配置动量
cfg.SOLVER.MOMENTUM=0.9
#配置权重衰减
cfg.SOLVER.WEIGHT_DECAY=0.0001
#由于默认为warmup_scheduler,所以要根据max_iter来配置好warmup的迭代书
cfg.SOLVER.WARMUP_ITERS=100
#配置迭代数据次数，epoch也是由这个来定的,epoch=max_iter/iter一次数据集
cfg.SOLVER.MAX_ITER=300
#配置checkpoint的位置
cfg.OUTPUT_DIR
#训练的图片的尺寸上下限
cfg.INPUT.MIN_SIZE_TRAIN=(800,)
cfg.INPUT.MAX_SIZE_TRAIN=1300
Test，evaluate
1
2
3
4
5
6
7
#将训练的模型拿过来
cfg.MODEL.WEIGHTS=os.path.join(cfg.OUTPUT_DIR,'model_final.pth')
#设置iou的阈值
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST=0.7
在训练过程中基本就是这些需要设置的了。
未完待续
