关于mmdetection框架实用小工具说明

1、Train

单GPU训练

CONFIG=_ #配置文件路径
WORKDIR=_#结果保存目录
Python ./tools/train.py $CONFIG --work-dir $workdir #其他的参数可以详见train.py文件或config文件内修改

–work-dir $workdir: 相当于参数，不想直接更改配置文件，可以直接在后边传参，传参的内容看train.py文件就可以
比如用faster_rcnn训练，在终端运行：

CUDA_ VISIBLE_DEVICES=6 python . /tools/train.py  configs/faster_rcnn_r50_fpn_1x_coco_logo.py

多GPU训练（容易写错）

GPU_NUM=_#使用gpu数量
CONFIG=_ #配置文件路径
WORKDIR=_#结果保存目录
CUDA VISIBLE DEVICES=_ bash ./tools/dist_train.sh $CONFIG $GPU_NUM --work-dir $NORKOIR # 其他的参数可以详见train.py文件或在config文件内修改

注意：
多GPU经常写错，官方有多GPU脚本(在 mmdetection/tools/dist_train.sh)中
多GPU的时候，端口容易出问题，因此需要加一个random，就相当于端口在29500-29510之间随机选一个，这样就不会有冲突，不然只能跑一个，第二个就冲突

2、Test

单GPU训练

CONFIG=
CHECKPOINT=
python ./tools/test.py $CONFIG $CHECKPOINT --out $0UTPUTFILE --eval segm

$CONFIG ：配置文件
$CHECKPOINT --out ：训练好的模型，把模型loan进来
$0UTPUTFILE --ev