使用mmdetection来训练自己的数据集（visdrone）（四）结果分析

最新推荐文章于 2024-09-04 12:10:54 发布

原创最新推荐文章于 2024-09-04 12:10:54 发布 · 375 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python

mmdet问题集专栏收录该内容

14 篇文章

订阅专栏

本文介绍了MMDetection库中的几个关键脚本，包括test.py用于模型预测，get_flops.py计算计算量和参数量，benchmark.py进行推理性能测试，以及分析工具如plt_curve用于绘制训练指标曲线。多卡训练可以通过dist_train.sh脚本实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

测试

 python tools/test.py <your-config-file> <your-model-weights-file> --out <save-pickle-path>

关于test.py 的命令行

    parser.add_argument(
        '--out',
        type=str,
        help='dump predictions to a pickle file for offline evaluation')

计算量、参数量计算脚本

 python tools/analysis_tools/get_flops.py <你的配置文件位置>

结果图

==============================
Use size divisor set input shape from (1080, 1920) to (768, 1344)
==============================
Compute type: dataloader: load a picture from the dataset
Input shape: (768, 1344)
Flops: 0.199T
Params: 32.039M

推理时间、fps、gpu memory，计算脚本

需要下面的依赖

pip install psutil --upgrade

 python tools/analysis_tools/benchmark.py <你的配置文件位置> --checkpoint <模型权重epoth> --task inference --fuse-conv-bn

结果图

04/29 17:04:51 - mmengine - INFO - ============== Done ==================
04/29 17:04:51 - mmengine - INFO - Overall fps: 34.1 img/s, times per image: 29.3 ms/img
04/29 17:04:51 - mmengine - INFO - cuda memory: 365 MB
04/29 17:04:51 - mmengine - INFO - (GB) mem_used: 13.95 | uss: 5.80 | pss: 5.80 | total_proc: 1

绘制曲线图脚本

 python tools/analysis_tools/analyze_logs.py plot_curve <train-json-file> --keys <关键词：loss> --legend <标题> --out <保存为pdf形式>

示例

python tools/analysis_tools/analyze_logs.py plot_curve work_dirs/tood_r50_1x_visdrone/20240429_141736/vis_data/20240429_141736.json --keys loss_cls loss --legend loss_cls loss --out work_dirs/losses_1.pdf

在这里插入图片描述
多卡训练

bash ./tools/dist_train.sh \
    ${CONFIG_FILE} \
    ${GPU_NUM} \
    [optional arguments]

详情参考官方文档

https://mmdetection.readthedocs.io/zh-cn/latest/user_guides/useful_tools.html#id2