mmaction2实验记录3——动作识别训练过程

之前了解了视频数据加载和处理的过程。mmaction2-master/mmaction/tools/train.py代码中对应的部分进行分析来看一下视频训练的过程。

1、首先在tools/train.py的main()函数中调用train_model()函数进行训练模型

2、然后train_model()函数中

该函数中最重要的部分为，生成runner，运行runner.run()开始执行训练过程。runner在单gpus训练过程中为EpochBasedRunner的子类。

Runner = OmniSourceRunner if cfg.omnisource else EpochBasedRunner  # 采用EpochBasedRunner
runner = Runner(  # 将数据模型和优化器全部装载到runner中
        model,
        optimizer=optimizer,
        work_dir=cfg.work_dir,
        logger=logger,
        meta=meta)
runner.run(data_loaders, cfg.workflow, cfg.total_epochs, **runner_kwargs)

train_model()的其他代码部分为模型运行配置和一些策略的设置。

3、runner.run()函数在其子类EpochBaseRunner中实现

下面给出run()中有关训练的关键代码，其中执行epoch_runnner()函数进行训练               

class EpochBasedRunner(BaseRunner):

    def run(self,
            data_loaders:List[DtaLoarder],
            workflow: List[Tuple[str, int]],
            max_epochs: Optional[int] = None,
            **kwargs):

        work_dir = self.work_dir if self.work_dir is not None else 'NONE'
        # 执行训练的迭代过程
        while self.epoch < self._max_epochs:  # 执行一次循环self.epochs会加一
            for i, flow in enumerate(workflow):  # workflow记录当前训练流信息 状态+epoch信息
                mode, epochs = flow  # epoch为一个常量