MMDet加载旧版本代码权重及自定义数据集的问题及解决

场景

  • PyTorch说它们2.0很快,那么就安个最新的Torch和MMDet。
  • 打开两年前的顶会文章,复制更早几年的代码文件以及权重。
  • 找个数据集。
  • 按照最新的config进行配置权重路径。
  • 然而,找不到加载权重。

解决

  • config 配置
# 权重加载为 init_cfg=dict(checkpoint='pretrained/p2t_tiny.pth'),和仓库中其它config一样,区别在于一个是网上链接,一个是本地路径。
model = dict(
    type='RetinaNet',
    backbone=dict(
        _delete_=True,
        type='p2t_tiny',
        init_cfg=dict(checkpoint='pretrained/p2t_tiny.pth')),
    neck=dict(in_channels=[48, 96, 240, 384]))

# 模型获取预训练路径
  • 模型获取预训练路径
    • 为模型增加一个**kwargs参数,然后获取其中的checkpoint
    • 然后在init_weight()中调用。
class p2t():
    def __init__(self, size, **kwargs):
        self.pretrained = kwargs['init_cfg']['checkpoint']

    def init_weights(self):
        logger = MMLogger.get_current_instance()
        load_checkpoint(self, self.pretrained, map_location='cpu', strict=False, logger=logger)
  • 模型权重不匹配

    • 核对一下缺失的键,和预料之外的键的差别,可能多了一个backbone的前缀。
    • 可以在tools/model_converters里面随便找一个代码改改,把权重加载进来,然后去掉各键的前缀,再保存
  • 数据集加载为空

    • 扩展名对不上。数据集class用的.png后缀,而图片是.jpg后缀,修改一下就好。
    • 额外前缀。config中有个prefix的选项,不应注释,而应留空,省得出现train2017的coco前缀。
    • 数据集类名对不上。有的数据集,表面上用英文提供信息,背地里用按葡萄牙语作为k-fold的测试标注。

一些入门提示

  • 加新模型,直接在mmdet/model目录下的各文件中加就好,然后再修改对应目录的__init__.py
  • 加新数据集,直接复制mmdet/datasets里面coco系列的类,修改里面设置的图片扩展名等差异信息即可,最后修改__init__.py
  • config可以用_base_ = ['../pvt/retinanet_pvt-t_fpn_1x_coco.py']继承现有的,然后在该文件加上数据集的信息即可。
  • 想配置文档里没提到的东西,就在代码搜一下关键词,然后照抄现有配置。

版权声明:
作者:MWHLS
链接:https://panwj.top/4881.html
来源:无镣之涯
文章版权归作者所有,未经允许请勿转载。

THE END
分享
二维码
打赏
< <上一篇
下一篇>>
文章目录
关闭
目 录