pytorch mmdetection2.0安装训练测试(coco训练集)

摘要

我是使用google的服务器colab来进行安装使用的，很方便，开vpn就能免费使用k80显卡，冲个会员就能使用p100，基本很稳定，能够满足训练需求。如果是自己的电脑注意我安装包的版本，pytorch1.5 torchvision0.6 cuda是10.1版本

安装mmdetection2.0

服务器自带很多的安装包，十分方便，

注意看我colab的整体布局，你下载文件要下载到drive My Drive下才可以保存，这个下载的东西会挂载到云盘上。然后在右边就开始输入命令即可

%cd drive/My\ Drive/

这一步是自己要下载mmdet到这个文件目录下，这样会永久保存

!git clone https://github.com/open-mmlab/mmdetection.git

这一行的命令便是在当前文件夹下下载mmdet安装包了

!pip install -r requirements/build.txt
!pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"
!pip install -v -e .

在输入三行命令下载相应包和编译一下，在colab每次关机开机都需要重新安装一下编译，不需要重新下载。每次就5分钟左右，速度很快。

!pip install mmcv

在下载mmcv就算下载完成了

from mmdet.apis import inference_detector, init_detector, show_result_pyplot
config = 'configs/cascade_rcnn/cascade_mask_rcnn_r101_fpn_1x_coco.py'
checkpoint = 'https://open-mmlab.s3.ap-northeast-2.amazonaws.com/mmdetection/v2.0/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco/cascade_rcnn_r101_fpn_1x_coco_20200317-0b6a2fbf.pth'
model = init_detector(config, checkpoint, device='cuda:0')
img = 'demo/demo.jpg'
result = inference_detector(model, img)
show_result_pyplot(model, img, result, score_thr=0.3)

运行测试，直接运行就可以了。

修改一下自带版本的包，不然测试会报错

!pip install pillow==7.1.2
!pip install -U numpy==1.17.0

每次把这二行代码也运行一下即可

训练coco训练集

修改类别mmdet core evalution class_name.py

类别需要改成你自己的

修改configs下的_bass_ models 例如cascade-rcnn

修改num_classes=你自己的类别数量，不需要加一，我的是44个类别，就是44.一共有三处num_classes 全部修改即可。

数据集还是普通的转化成coco的训练集即可，不需要segment部分

生成json文件

import os
import cv2
import json
import xml.dom.minidom
import xml.etree.ElementTree as ET

data_dir =