Shortcuts

常见问题

我们在这里列出了一些常见问题及其相应的解决方案。如果您发现任何常见问题并有方法 帮助解决,欢迎随时丰富列表。如果这里的内容没有涵盖您的问题,请按照 提问模板 在 GitHub 上提出问题,并补充模板中需要的信息。

安装

  • MMEngine, MMCV 与 MMPretrain 的兼容问题

    这里我们列举了各版本 MMPretrain 对 MMEngine 和 MMCV 版本的依赖,请选择合适的 MMEngine 和 MMCV 版本来避免安装和使用中的问题。

    MMPretrain 版本

    MMEngine 版本

    MMCV 版本

    1.1.1 (main)

    mmengine >= 0.8.3

    mmcv >= 2.0.0

    1.0.0

    mmengine >= 0.8.0

    mmcv >= 2.0.0

    1.0.0rc8

    mmengine >= 0.7.1

    mmcv >= 2.0.0rc4

    1.0.0rc7

    mmengine >= 0.5.0

    mmcv >= 2.0.0rc4

    备注

    由于 dev 分支处于频繁开发中,MMEngine 和 MMCV 版本依赖可能不准确。如果您在使用 dev 分支时遇到问题,请尝试更新 MMEngine 和 MMCV 到最新版。

  • 使用 Albumentations

    如果你希望使用 albumentations 相关的功能,我们建议使用 pip install -r requirements/optional.txt 或者 pip install -U albumentations>=0.3.2 --no-binary qudida,albumentations 命令进行安装。

    如果你直接使用 pip install albumentations>=0.3.2 来安装,它会同时安装 opencv-python-headless (即使你已经安装了 opencv-python)。具体细节可参阅 官方文档

通用问题

如果我对源码进行了改动,需要重新安装以使改动生效吗?

如果你遵照最佳实践的指引,从源码安装 mmpretrain,那么任何本地修改都不需要重新安装即可生效。

如何在多个 MMPretrain 版本下进行开发?

通常来说,我们推荐通过不同虚拟环境来管理多个开发目录下的 MMPretrain。 但如果你希望在不同目录(如 mmpretrain-0.21, mmpretrain-0.23 等)使用同一个环境进行开发, 我们提供的训练和测试 shell 脚本会自动使用当前目录的 mmpretrain,其他 Python 脚本 则可以在命令前添加 PYTHONPATH=`pwd` 来使用当前目录的代码。

反过来,如果你希望 shell 脚本使用环境中安装的 MMPretrain,而不是当前目录的, 则可以去掉 shell 脚本中如下一行代码:

PYTHONPATH="$(dirname $0)/..":$PYTHONPATH

load_frominit_cfg 之间的关系是什么?

  • load_from: 如果resume=False,只导入模型权重,主要用于加载训练过的模型; 如果 resume=True ,加载所有的模型权重、优化器状态和其他训练信息,主要用于恢复中断的训练。

  • init_cfg: 你也可以指定init=dict(type="Pretrained", checkpoint=xxx)来加载权重, 表示在模型权重初始化时加载权重,通常在训练的开始阶段执行。 主要用于微调预训练模型,你可以在骨干网络的配置中配置它,还可以使用 prefix 字段来只加载对应的权重,例如:

    model = dict(
      backbone=dict(
          type='ResNet',
          depth=50,
          init_cfg=dict(type='Pretrained', checkpoints=xxx, prefix='backbone'),
      )
      ...
    )
    

参见 微调模型 以了解更多关于模型微调的细节。

default_hookscustom_hooks 之间有什么区别?

几乎没有区别。通常,default_hooks 字段用于指定几乎所有实验都会使用的钩子, 而 custom_hooks 字段指部分实验特有的钩子。

另一个区别是 default_hooks 是一个字典,而 custom_hooks 是一个列表,请不要混淆。

在训练期间,我没有收到训练日志,这是什么原因?

如果你的训练数据集很小,而批处理量却很大,我们默认的日志间隔可能太大,无法记录你的训练日志。

你可以缩减日志间隔,再试一次,比如:

default_hooks = dict(
    ...
    logger=dict(type='LoggerHook', interval=10),
    ...
)

如何基于其它数据集训练,例如我自己的数据集或者是 COCO 数据集?

我们提供了 具体示例 来展示如何在其它数据集上进行训练。

Read the Docs v: stable
Versions
latest
stable
mmcls-1.x
mmcls-0.x
dev
Downloads
epub
On Read the Docs
Project Home
Builds

Free document hosting provided by Read the Docs.