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
1.2.0 (main)	mmengine >= 0.8.3	mmcv >= 2.0.0
1.1.1	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_from` 和 `init_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_hooks` 和 `custom_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。