mmsegmentation进阶使用学习笔记（三）——配置运行设定

最新推荐文章于 2025-11-05 09:15:29 发布

原创

最新推荐文章于 2025-11-05 09:15:29 发布 · 1.2k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#学习 #笔记

在mmseg框架下是默认用iters进行迭代训练的，但是可以自行设定使用epoch进行训练。

循环控制器指的是训练, 验证和测试时的执行流程, 在配置文件里面使用 train_cfg, val_cfg 和 test_cfg 来构建这些流程。

例如，使用基于迭代次数的训练循环 (IterBasedTrainLoop) 去训练 80,000 个迭代次数, 并且每 8,000 iteration 做一次验证, 可以如下设置:

train_cfg = dict(type='IterBasedTrainLoop', max_iters=80000, val_interval=8000)

在这里就可以调整，例如需要使用epoch进行训练，调整配置的类别信息。所有类别都在mmengine/runner/loops.py中。整体文件可以在官网查看：mmengine/mmengine/runner/loops.py at main · open-mmlab/mmengine · GitHub

mmengine/runner/loops.py中的EpochBased

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

还会长的桔子

关注关注

6
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

MMSeg搭建自己的网络

littleyy666的博客

04-24

2046

首先，我们知道MMSeg矿机的配置文件很多，主要结构如下图所示。在configs/_base_下是模型配置、数据集配置、以及一些其他的常规配置和运行配置，四类。configs/all_config目录下存放，即是将四种配置聚合在一起的一个总体文件。接下来，我们就搭建自己的网络。

mmseg库代码实践

m0_54824511的博客

06-14

910

本节课程是子豪兄倾心讲解，太棒啦~！每次听子豪兄的讲课都觉得很清晰，对于入门同学很友好。

参与评论您还未登录，请先登录后发表或查看评论

【ICLR26匿名投稿】MMSeg：让“图像提示分割”更聪明——多模态、多视角驱动的无训练分割新范式

最新发布

Gorgeous_wxd

11-05

636

最终得到一组多模态融合的提示点（positive/negative prompts），输入 SAM 进行掩码生成。让图像提示分割从“单模态模糊”走向“多模态精准”，在完全无训练条件下，实现可与训练模型媲美的分割性能。带来了“零样本分割”的浪潮——输入一个提示点或文字，就能切出物体边界。通过“视觉 + 文本”两条独立分支定位目标，再用多视角增强和共识优化生成高质量分割。—— 视觉-only 方法易错分，文字-only 方法又受语义歧义困扰。：通过旋转、翻转等生成多种视角图像，融合匹配结果提升稳健性。

mmseg学习day01

weixin_45761399的博客

07-10

779

在 MMSegmentation 中，提供了最方便的方式 MMSegInferencer 来使用模型。只需 3 行代码就可以获得图像的分割掩膜。_base_/datasets/cityscapes.py是数据集的基本配置文件。以下示例展示了如何使用 MMSegInferencer 对单个图像执行推理。4）PSPNET举例。

mmsegmentation框架配置

weixin_37707670的博客

03-08

1671

首先创建一个虚拟环境 conda create -n open-mmlab python=3.7 -y conda activate open-mmlab 可以参考mmsegmention的官网安装文档首先安装pytorch框架(GPU) pip install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html pip ins

超简单mmdetection3d 环境配置（ubantu18.04）

m0_57175342的博客

08-13

1094

mmdetection3d 环境搭建

mmsegmentation进阶使用学习笔记（二）——添加自定义模块

gui_lin_ger_的博客

10-31

1104

具体模型配置文件：configs/gleformer/gleformer_mit-b5_1xb4-20k_voc12aug-512x512.py。开发新的分割器需要重写与 loss、predict 和 tensor 相对应的 loss、predict 和 _forward 方法。所有组件，包括主干网络（backbone）、头、损失函数、数据预处理器、分割器（segmentor）等都可以自定义。基础数据配置文件：configs/_base_/datasets/voc_road.py。

【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip

06-09

【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip 博客地址：https://blog.youkuaiyun.com/weixin_43817709/article/details/117751784

Python进阶学习笔记

06-10

Python进阶学习笔记

UVM入门与进阶学习笔记4——UVM仿真的开始与结束

weixin_41979380的博客

01-22

9721

目录UVM的编译和运行顺序UVM仿真开始UVM世界的“诞生”UVM仿真结束 UVM的编译和运行顺序下图是UVM的编译运行顺序，非常重要的知识点！在加载硬件模型调用仿真器之前，要完成编译和建模阶段。在开始仿真之前，分别执行硬件的always/initial语句，以及UVM的调用测试方法run_test和几个phase，分别是build、connect、end_of_elaboration和start_of_simulation。在开始仿真后，执行run phase或对应的12个分支phase。

【MMSegmentation 环境配置 + 制作自己的数据集 + 训练 + 预测】

ruotianxia的博客

12-27

2765

访问torch网站，选择适合自己的pytorch版本，由于我这里使用的cuda是11.6，所以我安装以下版本，版本不对应，后面会有各种报错。我这里使用的是x-anylabeling软件，因为里面可以使用最新的SAM2.1，标注比较方便。搜索自己的安装位置，会有很多的 libiomp5md.dll，删除一些就可以。然后出现一下结果就可以了，这个报错是一个输入的问题，先不用管。如果报numpy版本高，需要对numpy降版本。这里主要是模型的一些参数，根据实际需要修改！这里需要制作的数据格式为VOC的格式。

mmsegmentation参数配置实用详解

始于足下

11-02

1246

mmsegmentation实用参数配置文件，主要包括基础环境配置，学习率调整，优化器、数据流；对模型部分进行了删减与简化384,384,#孪生TF主干网络#在主干网络中需要设置channel#冻结训练设置：0-3可以进行冻结设置# 模型采用预训练权重进行初始化#init_cfgdictnum_classes = 4 model = dict(type = 'EncoderDecoder' , data_preprocessor = data_preprocessor , #孪生TF主干网络。

mmsegmentation基础使用学习笔记（一）——配置文件

gui_lin_ger_的博客

09-28

1229

，然后修改配置文件中的字段。数据处理流程中会包含图像的加载、标签的加载、数据增广（调整大小resize、随机剪裁crop、翻转flip、光学处理、打包）。数据加载器的配置包含每个gpu的batch_size、每个gpu的进程个数、对应的数据集配置（类型、路径、前缀、处理流程）。在dict（）的内容中设置_delete_=True并加入新的键值，那么就会用新的字段去替换继承的文件中旧的键值。model = dict() # 模型的配置，包括了模型会使用到的骨干网络、解码头、辅助头、训练和测试设置。

mmsegmentation安装

carry_hjr的博客

11-15

1810

readme 20201115 装mmseg和mmdet自从把需要build的ops放到mmcv-full里面后，install 变的相当容易和快速 install 记住先想好torch mmcv的版本，torch1.6的模型torch1.4无法加载, mmcv老版本不太行，我这里用的是 python==3.6 torch==1.6 torchvison==0.7 mmcv-full==1.2.0 tqdm albumentations 我感觉conda有时候比pip慢所以 pip install -e

MMSegmention官方文档阅读系列之三（MMSegmentation 算法库目录结构、了解配置文件信息）

qq_41627642的博客

06-05

3205

无

语义分割——mmsegmentation框架使用

tang_seven的博客

06-11

4540

对mmsegmentation进行简单介绍，并对如何快速使用进行训练以及预测进行记录

AI实战营：MMSegmentation代码实现

guwuyue的博客

06-13

1442

到Miniconda3\Lib\site-packages\matplotlib\mpl-data\fonts\ttf路径下。常用config和checkpoint文件。设置Matplotlib中文字体。

OpenMMLab MMSegmentation 配置文件详解与使用指南

gitblog_00097的博客

06-05

377

OpenMMLab MMSegmentation 配置文件详解与使用指南【免费下载链接】mmsegmentation OpenMMLab Semantic Segmentation Toolbox and Benchmark. ...

详解mmseg

weixin_30549657的博客

04-19

402

本文先介绍下mmseg的概念和算法，再说下mmseg4j-solor的3个分词器用法 1.mmseg概念 mmseg是用于中文切词的算法，即Maximum Matching Segment，最大匹配分词。根据在词典（语料库）中的匹配情况把原文切分成一个个词语 2.两种方法为了便于后续介绍，假设要切分的原文是C1C2C3C4C5 C6, C表示一个汉字。简单最大匹配：...