【mmdetection实践】（五）理解train的过程

之前的几篇文章已经分别理解了：

• 如何定义自己的数据集
• 如何训练自己的网络
• dataset和model是怎么构造的

本文就再详细的看一下，在构造好了dataset和model是如何训练的。从tools/train.py中

# mmdetection/tools/train.py
train_detector(
        model,
        datasets,
        cfg,
        distributed=distributed,
        validate=args.validate,
        timestamp=timestamp,
        meta=meta)

可以进入在mmdet/apis/train.py中

# mmdetection/mmdet/apis/train.py
runner = Runner(
        model,
        batch_processor,
        optimizer,
        cfg.work_dir,
        logger=logger,
        meta=meta)
...
runner.run(data_loaders, cfg.workflow, cfg.total_epochs)

再查看runner，可以看到，

# mmcv/runner/runner.py
class Runner:
    def train(self, data_loader, **