MMrotate框架使用小技巧

最新推荐文章于 2024-09-22 21:46:06 发布

原创最新推荐文章于 2024-09-22 21:46:06 发布 · 2.3k 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #pytorch

文章介绍了如何在MMrotate框架中保存最佳模型权重，使用get_flops.py工具计算模型的FLOPs和参数量，通过benchmark.py工具测量单图推理时间，以及如何利用test.py进行结果可视化，并指出可以修改可视化图片中的内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MMrotate使用小工具

保存最佳权重

进入到./configs/schedules里，将evaluation = dict(interval=1, metric='mAP')更改为evaluation = dict(interval=1, metric='mAP', save_best='auto')

查看模型复杂度

利用tools/analysis_tools/get_flops.py
本工具用于统计模型的参数量，可以通过 --shape 参数指定输入图片的尺寸
例如：

python tools/analysis_tools/get_flops.py configs/redet/redet_re50_refpn_3x_hrsc_le90.py --shape 800 512

讲述出为：

==============================
Input shape: (3, 800, 512)
Flops: 48.24 GFLOPs
Params: 35.25 M
==============================

计算单图推理时间

利用tools/analysis_tools/benchmark.py
此工具是用来测试模型在当前环境下的推理速度的，模型会跑一遍配置文件中指定的测试集，计算单图推理时间（FPS）。
例如：

python -m torch.distributed.launch --nproc_per_node=1 --master_port=29500 tools/analysis_tools/benchmark.py configs/redet/redet_re50_refpn_3x_hrsc_le90.py work_dirs/redet_re50_refpn_3x_hrsc_le90/epoch_1.pth --launcher pytorch

则输出为：

Done image [50 / 2000], fps: 7.1 img / s, times per image: 140.9 ms / img
Done image [100/ 2000], fps: 7.1 img / s, times per image: 141.1 ms / img
Done image [150/ 2000], fps: 7.1 img / s, times per image: 141.1 ms / img
Done image [200/ 2000], fps: 7.1 img / s, times per image: 140.8 ms / img
Done image [250/ 2000], fps: 7.2 img / s, times per image: 139.7 ms / img
Done image [300/ 2000], fps: 7.2 img / s, times per image: 139.0 ms / img
Done image [350/ 2000], fps: 7.2 img / s, times per image: 138.7 ms / img
Done image [400/ 2000], fps: 7.2 img / s, times per image: 138.4 ms / img
Done image [450/ 2000], fps: 7.2 img / s, times per image: 138.0 ms / img

将测试结果可视化

利用./tools/test.py加上参数--show-dir
例如：

python ./tools/test.py configs/redet/redet_
re50_refpn_1x_dota_le90.py work_dirs/redet_re50_refpn_1x_dota_le90/latest.pth --show-dir work_dirs/vis

更改可视化图片中显示的内容

在文件mmrotate/core/visualization/image.py中
有代码：

draw_labels(
                ax,
                labels[num_bboxes:],
                positions,
                class_names=class_names,
                color=text_colors,
                font_size=font_size,
                scales=scales,
                horizontal_alignment=horizontal_alignment)

可以修改显示的内容。