ydestspring的博客

视觉处理中，卷积网络的常规写法，pytorch和mmdet两个写法

（1）定义模型基本操作：定义一个class继承BaseModule，class为模型的类一个class中包括2部分，init和forward函数init为初始化，固定套路继承父类init，用super函数写super(BasicBlock, self).__init__(init_cfg)forward为前向传播函数，即定义数据进来后如何前向传播，包含了数据输入，处理，输出过程。（2）具体分析一个forward函数def _inner_forward(x): id

1.损失函数在bbox_head中定义，类型为CenterNetHead具体相关代码bbox_head=dict( type='CenterNetHead', num_classes=5, in_channel=64, feat_channel=64, loss_center_heatmap=dict(type='GaussianFocalLoss', loss_weight=1.0), loss_wh=dict(type='L1Loss',

mmdet2版本训练执行文件为tools/train.py执行train.py文件后，主要做3件事：（1）创建model；（2）创建dataset；（3）根据配置进行训练，即调用train_detector函数；创建model执行model=build_detector函数创建该函数首先会注册models类，再根据配置生成响应的model这个过程用到了解释器@语法，语法较为复杂通俗理解：就是根据具体的models的类型，如backbone、neck、head等，按照字典表进行

conda install pytorch=1.5 cudatoolkit=10.1 torchvision -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/