MMLab参数图文介绍

最新推荐文章于 2024-10-14 07:30:00 发布
原创 最新推荐文章于 2024-10-14 07:30:00 发布 · 194 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #vscode

本文详细解释了MMLab中参数配置、文件结构、继承机制以及model参数构建过程，包括数据预处理、数据读取增强和评价指标。初学者可通过梳理教程理解复杂配置。

系列文章目录

文章目录

初学者刚接触MMLab工具面对复杂的参数文件配置和文件继承机制看着有些难以接受。
要谁看都头疼，但仔细捋一下教程文件还是可以有个大致理解的。

一、参数与参数文件夹

MMLab采用字典来传递参数，每个关键字参数其实都对应着一个文件夹，文件价值存在一定的继承关系，最后采用注册机制讲这些文件模块串联起来输入到runer中，一个模型就构建完成了。

代码如下：
在这里插入图片描述
所有的参数文件都是基于_base_文件夹下的参数文件构建的，继承机制支持同名参数的覆盖，即atss中的某个参数与_base_文件中的参数都是有对应关系的，修改atss中的某个参数回最终的参数结果保留。

# _base_
a = 1
# atts
a= 2
最终模型接收的参数为a = 1

二、model

model参数构建

在这里插入图片描述
loss\neck可以自行对照的查看，这里就比较好理解了

2.数据预处理

在这里插入图片描述

3.数据读取与数据增强

在这里插入图片描述

4.评价指标

在这里插入图片描述

总体架构

在这里插入图片描述

开放式MMLab计算机视觉基金会-Python开发
05-25
MMCV简介MMCV是用于计算机视觉研究的基础python库，并支持MMLAB中的许多研究项目，例如MMDetection和MMAction。 它提供以下功能。MMCV简介MMCV是用于计算机视觉研究的基础python库，并支持MMLAB中的许多研究项目，例如MMDetection和MMAction。 它提供以下功能。 通用IO API图像处理视频处理图像和注释可视化有用的实用程序（进度条，计时器等），具有挂钩机制的PyTorch运行程序各种CNN体系结构有关更多功能和用法，请参阅文档。 注意：MMCV需要Python 3.6+。
mmlab实战训练教程
10-25
配置文件是mmlab的核心组件，用于定义模型的结构和训练参数。配置文件包括模型的backbone、neck和head三个部分。backbone是模型的主干网络，例如ResNet网络。neck是模型的neck层，用于调整模型的输出。head是模型的...
商汤科技 OpenMMLab (智能媒体实验室)
热门推荐
蒲建建
06-10 1万+
从2018年年中开始，香港中文大学多媒体实验室（MMLab）就启动了OpenMMLab（https://github.com/open-mmlab）计划。这项计划的初衷是为计算机视觉的一些重要方向建立统一而开放的代码库，并不断把新的算法沉淀其中。我们相信，这一项工作可以推动可复现算法生态的建立，也是对计算机视觉社区的重要贡献。 主要项目包括： 目标检测-mmdetection，OpenMMLab Detection Toolbox and Benchmark. 图像分割-mmsegmentati.
MMLab
weixin_46587777的博客
05-03 8637
MMLab MMLab的主要研究方向： 机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论 长视频理解、3D视觉、生成模型等的计算机视觉新兴方向 物体检测、动作识别等核心方向的性能突破 深度学习的创新应用探索，以及与医疗、社会科学、艺术创作等领域的交叉创新 深度学习时代，算法与计算、系统框架、以及计算机体系结构的结合创新 ......
mmlab简介
qq_42186444的博客
06-01 2503
mmlab算法库是mmlab实验室在github上开源的一系列算法。由港中文的汤晓鸥教授建立的。本节主要介绍mmlab算法库相关简介思维导图如上。主要包括目标检测，3d点云，图像分割，图像识别，视频理解，还有AIGC等相关应用。最后还有部署的算法库mmdeploy。目前几乎涵盖了计算机视觉相关的所有领域。在学术界还有工业界都被广泛的使用。
MMLAB库学习
weixin_46779338的博客
02-04 2568
上面展现了模型的结构，主干backbone使用的是ResNet网络，18层，一共4块，输出的是第4个(0,1,2,3)，3对应的是4.style对应的是，我也不太清楚。只知道有pytorch 3*3,和cafe1*1，stride均为2.下面是neck，一般来说，我们对模型进行改进就是对neck进行改进，这里采用的是全局平均池化，后面的是头，由于我们这里是分类故使用全连接做分类。其仅仅写出了一个框架，均为继承关系，因此不会有大片两的代码，共分为4个文件，分别是模型，数据，迭代策略，保存等打印配置。
OpenMMLab 实战营打卡 - 第 一 课 计算机视觉算法基础与OpenMMLab介绍
qq_53589322的博客
02-02 1331
OpenMMLab AI实战营学习笔记（一）
【OpenMMLab实战营打卡 - 第 1 课】CV基础和OpenMMLab介绍
m0_47062524的博客
02-01 405
传统计算机视觉的基本原理是设计卷积核，来找到图像的特征的过程。ImageNet是李飞飞教授启动的项目，为计算机视觉算法提供了一个庞大的、高质量的图片库。边缘提取是它的第一步（1964 Larry Roberts），三维提取（1982），人脸检测（2001），现在它们都是opencv的函数了。卷积神经网络是解决这两个问题而诞生的，卷积神经网络局部链接（每个卷积核只参与一部分图像），共享权重，大量节约参数，又有效提取了图像的特征。神经网络的训练流程：计算样本的损失，计算样本损失的梯度，根据梯度信息更新参数。
openmmlab(一)初识openmmlab&深度学习入门
qq_61173425的博客
02-02 1056
openmmlab框架 计算机视觉的三大任务 机器学习 （一）特征提取 （二）分类器 深度学习 （一）神经元 （二）多层感知机 （三）输出概率 训练 （一）损失函数 （二）寻找损失函数最低点 （三）反向传播更新参数 （四）优化器 （五）训练总体流程 （六）举例：图像分类任务
OpenMMLab 目标检测
MyArrow的专栏
03-06 5460
目标检测相关知识
MMLAB实战系列视频教程
09-13
分享课程----MMLAB实战系列视频教程，完整版附源码。MMLAB最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！ 课程大纲； 第1章 MMCV安装方法 第2章 第一模块：分类任务基本操作 第3章 第一模块：训练结果测试与验证 第4章 第一模块：模型源码DEBUG演示 第5章 第二模块：使用分割模块训练自己的数据集 第6章 第二模块：基于Unet进行各种策略修改 第7章 第二模块：分割任务CVPR最新Backbone设计及其应用 第8章 第三模块：mmdet训练自己的数据任务 第9章 第三模块：DeformableDetr物体检测源码分析 第10章 第四模块：DBNET文字检测 第11章 第四模块：ANINET文字识别 第12章 第四模块：KIE基于图模型的关键信息抽取 第13章 第五模块：stylegan2源码解读 第14章 第六模块：BasicVSR++视频超分辨重构源码解读 第15章 第七模块：多模态3D目标检测算法源码解读 第16章 第八模块：模型蒸馏应用实例 第17章 第八模块：模型剪枝方法概述分析 第18章 第九模块：mmaction行为识别
mmlab学习笔记
qq_41254978的博客
02-07 463
mmdet学习笔记
多媒体算法平台（Open-MMLab）
weixin_43156294的博客
10-14 1194
Open-MMLab：这是一个专注于计算机视觉和多媒体领域的开源算法平台，旗下有音频 AIGC 开源工具包 Amphion。Amphion 集成了语音合成转换、歌声合成转换、音效音乐生成等多功能，为开发者提供了一个强大的音频 AIGC 开发工具。Open-MMLab是上海人工智能实验室的计算机视觉算法开源体系，也是深度学习时代全球领域最全面、最具影响力的视觉算法开源项目。
MMLab工具箱 —— Runner类
hxxjxw的博客
04-19 737
Runner是MMdetection中的一种深度学习算法“工厂”，是对深度学习算法各个组件的“容器”。简单来说，所有的机器学习算法所包含的无非就是数据、模型、训练策略、评估、推理这五个部分。Runner就是将这五个部分组合在一起的工具。 Runner的源码封装在MMCV库当中 ...
【超详细】MMLab分类任务mmclassification：环境配置说明、训练、预测及模型结果可视化展示
阿旭的博客
03-18 5190
【超详细】MMLab分类任务mmclassification：环境配置说明、训练、预测及模型结果可视化展示
【mmlab】mmlab系列部分算法
weixin_44037500的博客
08-14 380
介绍几个我常用的mmlab系列算法。
OpenMMLab教程：OpenMMLab介绍与安装
AAI666666的博客
01-08 3335
OpenMMLab 致力于为计算机视觉领域的重要方向创建统一且开源的代码库，推进可复现算法生态的建立；目前为止 OpenMMLab 已经陆续开源30多个视觉算法库，实现了300多种算法，并包含2000+预训练模型，涵盖2D/3D目标检测、语义分割、视频理解、姿态分析等多个方向。
NeurIPS 2020 | 自步对比学习：充分挖掘无监督学习样本
Paper weekly
11-01 1258
©作者｜葛艺潇学校｜香港中文大学博士生研究方向｜图像检索、图像生成等本文介绍一篇我们发表于 NeurIPS-2020 的论文《Self-paced Contrastive Learnin...
mmlab安装教程
大糊涂虫
02-23 609
安装mmlab
openmmlab训练
最新发布
03-24
### OpenMMLab 模型训练教程 OpenMMLab 是由开放多媒体实验室开发的一系列开源工具箱集合，涵盖了计算机视觉领域的多个方向，如图像分类、目标检测、语义分割等。以下是关于如何使用 OpenMMLab 进行模型训练的相关说明。 #### 配置环境 在开始模型训练之前，需要先配置好运行环境。通常情况下，这包括安装 Python 和必要的依赖库。可以按照官方文档中的指导来设置虚拟环境并安装所需的包[^1]。例如： ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html ``` 上述命令用于安装 `mmcv` 的完整版本，其中 `{cu_version}` 表示 CUDA 版本号，而 `{torch_version}` 则表示 PyTorch 的版本号。 #### 数据准备 数据集对于任何机器学习项目来说都是至关重要的部分之一。针对不同的任务类型（比如分类、检测），可能需要将原始图片整理成特定格式以便于后续处理。一般而言，可以通过编写脚本来完成这一过程，并确保最终的数据结构满足所选框架的要求[^2]。 #### 修改配置文件 每种算法都有对应的默认参数设定存储在一个 YAML 或者 JSON 文件里；如果希望调整超参或者切换到其他预定义网络架构，则只需编辑这些文本即可实现自定义化操作[^3]。下面是一个简单的例子展示怎样更改 backbone 层次结构以及优化器选项： ```yaml model: type: 'RetinaNet' pretrained: 'path/to/pretrained_model.pth' optimizer: lr: 0.01 ``` 这里设置了 RetinaNet 类型的实例作为主要预测模块的同时指定了初始学习率水平为 0.01。 #### 启动训练流程 当一切准备工作就绪之后就可以调用相应指令启动正式的学习阶段了。具体做法取决于实际使用的子项目名称及其支持的功能特性。以 MMDetection 中的标准为例: ```bash python tools/train.py configs/retinanet_r50_fpn_1x_coco.py --gpu-id=0 ``` 此命令会依据指定路径下的 config 加载资料进而执行 GPU 上单卡模式下的迭代计算直至结束条件达成为止[^4]。 #### 测试与评估性能指标 经过充分的时间消耗后得到的结果往往还需要进一步验证其有效性才能投入生产环境中应用。因此有必要利用测试集重新加载保存下来的 checkpoint 并统计各类误差数值从而判断整体表现优劣程度[^5]。 ```bash python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}] ``` 通过以上方式可以获得更加直观的认识有关精度方面的信息反馈。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云朵不吃雨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值