ydestspring的博客

想将centernet中w,h的loss修正关联起来，采用iouloss进行优化，于是需修改loss函数，注意事项如下：（1）loss函数本身到网络的输出层存在一个函数，这个函数求导，再逐层链式向前求导，完成训练。所以，自己写出的损失函数到pred一定要明确可导，不能乱写。（2）写损失函数尽量使用torch自带的函数和+，-，*，/号进行操作，避免新建变量和for循环等操作，容易造成梯度无法反向传播。（3）正常操作流程如下：loss函数继承nn.module模块，编写forward过程。（4

（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