# 教程 1: 学习配置文件 我们在配置文件中支持了继承和模块化，这便于进行各种实验。如果需要检查配置文件，可以通过运行 `python tools/misc/print_config.py /PATH/TO/CONFIG` 来查看完整的配置。 ## 通过脚本参数修改配置 当运行 `tools/train.py` 和 `tools/test.py` 时，可以通过 `--cfg-options` 来修改配置文件。 - 更新字典链中的配置 可以按照原始配置文件中的 dict 键顺序地指定配置预选项。例如，使用 `--cfg-options model.backbone.norm_eval=False` 将模型主干网络中的所有 BN 模块都改为 `train` 模式。 - 更新配置列表中的键 在配置文件里，一些字典型的配置被包含在列表中。例如，数据训练流程 `data.train.pipeline` 通常是一个列表，比如 `[dict(type='LoadImageFromFile'), ...]`。如果需要将 `'LoadImageFromFile'` 改成 `'LoadImageFromWebcam'`，需要写成下述形式： `--cfg-options data.train.pipeline.0.type=LoadImageFromWebcam`。 - 更新列表或元组的值 如果要更新的值是列表或元组。例如，配置文件通常设置 `workflow=[('train', 1)]`，如果需要改变这个键，可以通过 `--cfg-options workflow="[(train,1),(val,1)]"` 来重新设置。需要注意，引号 " 是支持列表或元组数据类型所必需的，并且在指定值的引号内**不允许**有空格。 ## 配置文件结构 在 `config/_base_` 文件夹下有 4 个基本组件类型，分别是：数据集(dataset)，模型(model)，训练策略(schedule)和运行时的默认设置(default runtime)。许多方法，例如 Faster R-CNN、Mask R-CNN、Cascade R-CNN、RPN、SSD 能够很容易地构建出来。由 `_base_` 下的组件组成的配置，被我们称为 _原始配置(primitive)_。 对于同一文件夹下的所有配置，推荐**只有一个**对应的**原始配置**文件。所有其他的配置文件都应该继承自这个**原始配置**文件。这样就能保证配置文件的最大继承深度为 3。 为了便于理解，我们建议贡献者继承现有方法。例如，如果在 Faster R-CNN 的基础上做了一些修改，用户首先可以通过指定 `_base_ = ../faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py` 来继承基础的 Faster R-CNN 结构，然后修改配置文件中的必要参数以完成继承。 如果你在构建一个与任何现有方法不共享结构的全新方法，那么可以在 `configs` 文件夹下创建一个新的例如 `xxx_rcnn` 文件夹。更多细节请参考 [MMCV](https://mmcv.readthedocs.io/en/latest/understand_mmcv/config.html) 文档。 ## 配置文件名称风格 我们遵循以下样式来命名配置文件。建议贡献者遵循相同的风格。 ``` {model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[gpu x batch_per_gpu]_{schedule}_{dataset} ``` `{xxx}` 是被要求的文件 `[yyy]` 是可选的。 - `{model}`： 模型种类，例如 `faster_rcnn`, `mask_rcnn` 等。 - `[model setting]`： 特定的模型，例如 `htc` 中的`without_semantic`， `reppoints` 中的 `moment` 等。 - `{backbone}`： 主干网络种类例如 `r50` (ResNet-50), `x101` (ResNeXt-101) 等。 - `{neck}`： Neck 模型的种类包括 `fpn`, `pafpn`, `nasfpn`, `c4 ` 等。 - `[norm_setting]`： 默认使用 `bn` (Batch Normalization)，其他指定可以有 `gn` (Group Normalization)， `syncbn` (Synchronized Batch Normalization) 等。 `gn-head`/`gn-neck` 表示 GN 仅应用于网络的 Head 或 Neck， `gn-all` 表示 GN 用于整个模型， 例如主干网络、Neck 和 Head。 - `[misc]`： 模型中各式各样的设置/插件，例如 `dconv`、 `gcb`、 `attention`、`albu`、 `mstrain` 等。 - `[gpu x batch_per_gpu]`：GPU 数量和每个 GPU 的样本数，默认使用 `8x2`。 - `{schedule}`： 训练方案，选项是 `1x`、 `2x`、 `20e` 等。`1x` 和 `2x` 分别代表 12 epoch 和 24 epoch，`20e` 在级联模型中使用，表示 20 epoch。对于 `1x`/`2x`，初始学习率在第 8/16 和第 11/22 epoch 衰减 10 倍；对于 `20e` ，初始学习率在第 16 和第 19 epoch 衰减 10 倍。 - `{dataset}`：数据集，例如 `coco`、 `cityscapes`、 `voc_0712`、 `wider_face` 等。 ## 弃用的 train_cfg/test_cfg `train_cfg` 和 `test_cfg` 在配置文件中已弃用，请在模型配置中指定它们。原始配置结构如下： ```python # 已经弃用的形式 model = dict( type=..., ... ) train_cfg=dict(...) test_cfg=dict(...) ``` 推荐的配置结构如下： ```python # 推荐的形式 model = dict( type=..., ... train_cfg=dict(...), test_cfg=dict(...), ) ``` ## Mask R-CNN 配置文件示例 为了帮助用户对 MMDetection 检测系统中的完整配置和模块有一个基本的了解，我们对使用 ResNet50 和 FPN 的 Mask R-CNN 的配置文件进行简要注释说明。更详细的用法和各个模块对应的替代方案，请参考 API 文档。 ```python model = dict( type='MaskRCNN', # 检测器(detector)名称 backbone=dict( # 主干网络的配置文件 type='ResNet', # 主干网络的类别，可用选项请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/backbones/resnet.py#L308 depth=50, # 主干网络的深度，对于 ResNet 和 ResNext 通常设置为 50 或 101。 num_stages=4, # 主干网络状态(stages)的数目，这些状态产生的特征图作为后续的 head 的输入。 out_indices=(0, 1, 2, 3), # 每个状态产生的特征图输出的索引。 frozen_stages=1, # 第一个状态的权重被冻结 norm_cfg=dict( # 归一化层(norm layer)的配置项。 type='BN', # 归一化层的类别，通常是 BN 或 GN。 requires_grad=True), # 是否训练归一化里的 gamma 和 beta。 norm_eval=True, # 是否冻结 BN 里的统计项。 style='pytorch', # 主干网络的风格，'pytorch' 意思是步长为2的层为 3x3 卷积， 'caffe' 意思是步长为2的层为 1x1 卷积。 init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')), # 加载通过 ImageNet 预训练的模型 neck=dict( type='FPN', # 检测器的 neck 是 FPN，我们同样支持 'NASFPN', 'PAFPN' 等，更多细节可以参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/necks/fpn.py#L10。 in_channels=[256, 512, 1024, 2048], # 输入通道数，这与主干网络的输出通道一致 out_channels=256, # 金字塔特征图每一层的输出通道 num_outs=5), # 输出的范围(scales) rpn_head=dict( type='RPNHead', # RPN_head 的类型是 'RPNHead', 我们也支持 'GARPNHead' 等，更多细节可以参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/dense_heads/rpn_head.py#L12。 in_channels=256, # 每个输入特征图的输入通道，这与 neck 的输出通道一致。 feat_channels=256, # head 卷积层的特征通道。 anchor_generator=dict( # 锚点(Anchor)生成器的配置。 type='AnchorGenerator', # 大多是方法使用 AnchorGenerator 作为锚点生成器, SSD 检测器使用 `SSDAnchorGenerator`。更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/anchor/anchor_generator.py#L10。 scales=[8], # 锚点的基本比例，特征图某一位置的锚点面积为 scale * base_sizes ratios=[0.5, 1.0, 2.0], # 高度和宽度之间的比率。 strides=[4, 8, 16, 32, 64]), # 锚生成器的步幅。这与 FPN 特征步幅一致。 如果未设置 base_sizes，则当前步幅值将被视为 base_sizes。 bbox_coder=dict( # 在训练和测试期间对框进行编码和解码。 type='DeltaXYWHBBoxCoder', # 框编码器的类别，'DeltaXYWHBBoxCoder' 是最常用的，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/bbox/coder/delta_xywh_bbox_coder.py#L9。 target_means=[0.0, 0.0, 0.0, 0.0], # 用于编码和解码框的目标均值 target_stds=[1.0, 1.0, 1.0, 1.0]), # 用于编码和解码框的标准差 loss_cls=dict( # 分类分支的损失函数配置 type='CrossEntropyLoss', # 分类分支的损失类型，我们也支持 FocalLoss 等。 use_sigmoid=True, # RPN通常进行二分类，所以通常使用sigmoid函数。 los_weight=1.0), # 分类分支的损失权重。 loss_bbox=dict( # 回归分支的损失函数配置。 type='L1Loss', # 损失类型，我们还支持许多 IoU Losses 和 Smooth L1-loss 等，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/losses/smooth_l1_loss.py#L56。 loss_weight=1.0)), # 回归分支的损失权重。 roi_head=dict( # RoIHead 封装了两步(two-stage)/级联(cascade)检测器的第二步。 type='StandardRoIHead', # RoI head 的类型，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/roi_heads/standard_roi_head.py#L10。 bbox_roi_extractor=dict( # 用于 bbox 回归的 RoI 特征提取器。 type='SingleRoIExtractor', # RoI 特征提取器的类型，大多数方法使用 SingleRoIExtractor，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/roi_heads/roi_extractors/single_level.py#L10。 roi_layer=dict( # RoI 层的配置 type='RoIAlign', # RoI 层的类别, 也支持 DeformRoIPoolingPack 和 ModulatedDeformRoIPoolingPack，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/ops/roi_align/roi_align.py#L79。 output_size=7, # 特征图的输出大小。 sampling_ratio=0), # 提取 RoI 特征时的采样率。0 表示自适应比率。 out_channels=256, # 提取特征的输出通道。 featmap_strides=[4, 8, 16, 32]), # 多尺度特征图的步幅，应该与主干的架构保持一致。 bbox_head=dict( # RoIHead 中 box head 的配置. type='Shared2FCBBoxHead', # bbox head 的类别，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/roi_heads/bbox_heads/convfc_bbox_head.py#L177。 in_channels=256, # bbox head 的输入通道。 这与 roi_extractor 中的 out_channels 一致。 fc_out_channels=1024, # FC 层的输出特征通道。 roi_feat_size=7, # 候选区域(Region of Interest)特征的大小。 num_classes=80, # 分类的类别数量。 bbox_coder=dict( # 第二阶段使用的框编码器。 type='DeltaXYWHBBoxCoder', # 框编码器的类别，大多数情况使用 'DeltaXYWHBBoxCoder'。 target_means=[0.0, 0.0, 0.0, 0.0], # 用于编码和解码框的均值 target_stds=[0.1, 0.1, 0.2, 0.2]), # 编码和解码的标准差。因为框更准确，所以值更小，常规设置时 [0.1, 0.1, 0.2, 0.2]。 reg_class_agnostic=False, # 回归是否与类别无关。 loss_cls=dict( # 分类分支的损失函数配置 type='CrossEntropyLoss', # 分类分支的损失类型，我们也支持 FocalLoss 等。 use_sigmoid=False, # 是否使用 sigmoid。 loss_weight=1.0), # 分类分支的损失权重。 loss_bbox=dict( # 回归分支的损失函数配置。 type='L1Loss', # 损失类型，我们还支持许多 IoU Losses 和 Smooth L1-loss 等。 loss_weight=1.0)), # 回归分支的损失权重。 mask_roi_extractor=dict( # 用于 mask 生成的 RoI 特征提取器。 type='SingleRoIExtractor', # RoI 特征提取器的类型，大多数方法使用 SingleRoIExtractor。 roi_layer=dict( # 提取实例分割特征的 RoI 层配置 type='RoIAlign', # RoI 层的类型，也支持 DeformRoIPoolingPack 和 ModulatedDeformRoIPoolingPack。 output_size=14, # 特征图的输出大小。 sampling_ratio=0), # 提取 RoI 特征时的采样率。 out_channels=256, # 提取特征的输出通道。 featmap_strides=[4, 8, 16, 32]), # 多尺度特征图的步幅。 mask_head=dict( # mask 预测 head 模型 type='FCNMaskHead', # mask head 的类型，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/models/roi_heads/mask_heads/fcn_mask_head.py#L21。 num_convs=4, # mask head 中的卷积层数 in_channels=256, # 输入通道，应与 mask roi extractor 的输出通道一致。 conv_out_channels=256, # 卷积层的输出通道。 num_classes=80, # 要分割的类别数。 loss_mask=dict( # mask 分支的损失函数配置。 type='CrossEntropyLoss', # 用于分割的损失类型。 use_mask=True, # 是否只在正确的类中训练 mask。 loss_weight=1.0))), # mask 分支的损失权重. train_cfg = dict( # rpn 和 rcnn 训练超参数的配置 rpn=dict( # rpn 的训练配置 assigner=dict( # 分配器(assigner)的配置 type='MaxIoUAssigner', # 分配器的类型，MaxIoUAssigner 用于许多常见的检测器，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/bbox/assigners/max_iou_assigner.py#L10。 pos_iou_thr=0.7, # IoU >= 0.7(阈值) 被视为正样本。 neg_iou_thr=0.3, # IoU < 0.3(阈值) 被视为负样本。 min_pos_iou=0.3, # 将框作为正样本的最小 IoU 阈值。 match_low_quality=True, # 是否匹配低质量的框(更多细节见 API 文档). ignore_iof_thr=-1), # 忽略 bbox 的 IoF 阈值。 sampler=dict( # 正/负采样器(sampler)的配置 type='RandomSampler', # 采样器类型，还支持 PseudoSampler 和其他采样器，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/bbox/samplers/random_sampler.py#L8。 num=256, # 样本数量。 pos_fraction=0.5, # 正样本占总样本的比例。 neg_pos_ub=-1, # 基于正样本数量的负样本上限。 add_gt_as_proposals=False), # 采样后是否添加 GT 作为 proposal。 allowed_border=-1, # 填充有效锚点后允许的边框。 pos_weight=-1, # 训练期间正样本的权重。 debug=False), # 是否设置调试(debug)模式 rpn_proposal=dict( # 在训练期间生成 proposals 的配置 nms_across_levels=False, # 是否对跨层的 box 做 NMS。仅适用于 `GARPNHead` ，naive rpn 不支持 nms cross levels。 nms_pre=2000, # NMS 前的 box 数 nms_post=1000, # NMS 要保留的 box 的数量，只在 GARPNHHead 中起作用。 max_per_img=1000, # NMS 后要保留的 box 数量。 nms=dict( # NMS 的配置 type='nms', # NMS 的类别 iou_threshold=0.7 # NMS 的阈值 ), min_bbox_size=0), # 允许的最小 box 尺寸 rcnn=dict( # roi head 的配置。 assigner=dict( # 第二阶段分配器的配置，这与 rpn 中的不同 type='MaxIoUAssigner', # 分配器的类型，MaxIoUAssigner 目前用于所有 roi_heads。更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/bbox/assigners/max_iou_assigner.py#L10。 pos_iou_thr=0.5, # IoU >= 0.5(阈值)被认为是正样本。 neg_iou_thr=0.5, # IoU < 0.5(阈值)被认为是负样本。 min_pos_iou=0.5, # 将 box 作为正样本的最小 IoU 阈值 match_low_quality=False, # 是否匹配低质量下的 box(有关更多详细信息，请参阅 API 文档)。 ignore_iof_thr=-1), # 忽略 bbox 的 IoF 阈值 sampler=dict( type='RandomSampler', #采样器的类型，还支持 PseudoSampler 和其他采样器，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/bbox/samplers/random_sampler.py#L8。 num=512, # 样本数量 pos_fraction=0.25, # 正样本占总样本的比例。. neg_pos_ub=-1, # 基于正样本数量的负样本上限。. add_gt_as_proposals=True ), # 采样后是否添加 GT 作为 proposal。 mask_size=28, # mask 的大小 pos_weight=-1, # 训练期间正样本的权重。 debug=False)), # 是否设置调试模式。 test_cfg = dict( # 用于测试 rpn 和 rcnn 超参数的配置 rpn=dict( # 测试阶段生成 proposals 的配置 nms_across_levels=False, # 是否对跨层的 box 做 NMS。仅适用于`GARPNHead`，naive rpn 不支持做 NMS cross levels。 nms_pre=1000, # NMS 前的 box 数 nms_post=1000, # NMS 要保留的 box 的数量，只在`GARPNHHead`中起作用。 max_per_img=1000, # NMS 后要保留的 box 数量 nms=dict( # NMS 的配置 type='nms', # NMS 的类型 iou_threshold=0.7 # NMS 阈值 ), min_bbox_size=0), # box 允许的最小尺寸 rcnn=dict( # roi heads 的配置 score_thr=0.05, # bbox 的分数阈值 nms=dict( # 第二步的 NMS 配置 type='nms', # NMS 的类型 iou_thr=0.5), # NMS 的阈值 max_per_img=100, # 每张图像的最大检测次数 mask_thr_binary=0.5))) # mask 预处的阈值 dataset_type = 'CocoDataset' # 数据集类型，这将被用来定义数据集。 data_root = 'data/coco/' # 数据的根路径。 img_norm_cfg = dict( # 图像归一化配置，用来归一化输入的图像。 mean=[123.675, 116.28, 103.53], # 预训练里用于预训练主干网络模型的平均值。 std=[58.395, 57.12, 57.375], # 预训练里用于预训练主干网络模型的标准差。 to_rgb=True ) # 预训练里用于预训练主干网络的图像的通道顺序。 train_pipeline = [ # 训练流程 dict(type='LoadImageFromFile'), # 第 1 个流程，从文件路径里加载图像。 dict( type='LoadAnnotations', # 第 2 个流程，对于当前图像，加载它的注释信息。 with_bbox=True, # 是否使用标注框(bounding box)， 目标检测需要设置为 True。 with_mask=True, # 是否使用 instance mask，实例分割需要设置为 True。 poly2mask=False), # 是否将 polygon mask 转化为 instance mask, 设置为 False 以加速和节省内存。 dict( type='Resize', # 变化图像和其注释大小的数据增广的流程。 img_scale=(1333, 800), # 图像的最大规模。 keep_ratio=True ), # 是否保持图像的长宽比。 dict( type='RandomFlip', # 翻转图像和其注释大小的数据增广的流程。 flip_ratio=0.5), # 翻转图像的概率。 dict( type='Normalize', # 归一化当前图像的数据增广的流程。 mean=[123.675, 116.28, 103.53], # 这些键与 img_norm_cfg 一致，因为 img_norm_cfg 被 std=[58.395, 57.12, 57.375], # 用作参数。 to_rgb=True), dict( type='Pad', # 填充当前图像到指定大小的数据增广的流程。 size_divisor=32), # 填充图像可以被当前值整除。 dict(type='DefaultFormatBundle'), # 流程里收集数据的默认格式捆。 dict( type='Collect', # 决定数据中哪些键应该传递给检测器的流程 keys=['img', 'gt_bboxes', 'gt_labels', 'gt_masks']) ] test_pipeline = [ dict(type='LoadImageFromFile'), # 第 1 个流程，从文件路径里加载图像。 dict( type='MultiScaleFlipAug', # 封装测试时数据增广(test time augmentations)。 img_scale=(1333, 800), # 决定测试时可改变图像的最大规模。用于改变图像大小的流程。 flip=False, # 测试时是否翻转图像。 transforms=[ dict(type='Resize', # 使用改变图像大小的数据增广。 keep_ratio=True), # 是否保持宽和高的比例，这里的图像比例设置将覆盖上面的图像规模大小的设置。 dict(type='RandomFlip'), # 考虑到 RandomFlip 已经被添加到流程里，当 flip=False 时它将不被使用。 dict( type='Normalize', # 归一化配置项，值来自 img_norm_cfg。 mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict( type='Pad', # 将配置传递给可被 32 整除的图像。 size_divisor=32), dict( type='ImageToTensor', # 将图像转为张量 keys=['img']), dict( type='Collect', # 收集测试时必须的键的收集流程。 keys=['img']) ]) ] data = dict( samples_per_gpu=2, # 单个 GPU 的 Batch size workers_per_gpu=2, # 单个 GPU 分配的数据加载线程数 train=dict( # 训练数据集配置 type='CocoDataset', # 数据集的类别, 更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/datasets/coco.py#L19。 ann_file='data/coco/annotations/instances_train2017.json', # 注释文件路径 img_prefix='data/coco/train2017/', # 图片路径前缀 pipeline=[ # 流程, 这是由之前创建的 train_pipeline 传递的。 dict(type='LoadImageFromFile'), dict( type='LoadAnnotations', with_bbox=True, with_mask=True, poly2mask=False), dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), dict(type='RandomFlip', flip_ratio=0.5), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='Pad', size_divisor=32), dict(type='DefaultFormatBundle'), dict( type='Collect', keys=['img', 'gt_bboxes', 'gt_labels', 'gt_masks']) ]), val=dict( # 验证数据集的配置 type='CocoDataset', ann_file='data/coco/annotations/instances_val2017.json', img_prefix='data/coco/val2017/', pipeline=[ # 由之前创建的 test_pipeline 传递的流程。 dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(1333, 800), flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='Pad', size_divisor=32), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']) ]) ]), test=dict( # 测试数据集配置，修改测试开发/测试(test-dev/test)提交的 ann_file type='CocoDataset', ann_file='data/coco/annotations/instances_val2017.json', img_prefix='data/coco/val2017/', pipeline=[ # 由之前创建的 test_pipeline 传递的流程。 dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(1333, 800), flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='Pad', size_divisor=32), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']) ]) ], samples_per_gpu=2 # 单个 GPU 测试时的 Batch size )) evaluation = dict( # evaluation hook 的配置，更多细节请参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/evaluation/eval_hooks.py#L7。 interval=1, # 验证的间隔。 metric=['bbox', 'segm']) # 验证期间使用的指标。 optimizer = dict( # 用于构建优化器的配置文件。支持 PyTorch 中的所有优化器，同时它们的参数与 PyTorch 里的优化器参数一致。 type='SGD', # 优化器种类，更多细节可参考 https://github.com/open-mmlab/mmdetection/blob/master/mmdet/core/optimizer/default_constructor.py#L13。 lr=0.02, # 优化器的学习率，参数的使用细节请参照对应的 PyTorch 文档。 momentum=0.9, # 动量(Momentum) weight_decay=0.0001) # SGD 的衰减权重(weight decay)。 optimizer_config = dict( # optimizer hook 的配置文件，执行细节请参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/optimizer.py#L8。 grad_clip=None) # 大多数方法不使用梯度限制(grad_clip)。 lr_config = dict( # 学习率调整配置，用于注册 LrUpdater hook。 policy='step', # 调度流程(scheduler)的策略，也支持 CosineAnnealing, Cyclic, 等。请从 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/lr_updater.py#L9 参考 LrUpdater 的细节。 warmup='linear', # 预热(warmup)策略，也支持 `exp` 和 `constant`。 warmup_iters=500, # 预热的迭代次数 warmup_ratio= 0.001, # 用于热身的起始学习率的比率 step=[8, 11]) # 衰减学习率的起止回合数 runner = dict( type='EpochBasedRunner', # 将使用的 runner 的类别 (例如 IterBasedRunner 或 EpochBasedRunner)。 max_epochs=12) # runner 总回合数， 对于 IterBasedRunner 使用 `max_iters` checkpoint_config = dict( # Checkpoint hook 的配置文件。执行时请参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/checkpoint.py。 interval=1) # 保存的间隔是 1。 log_config = dict( # register logger hook 的配置文件。 interval=50, # 打印日志的间隔 hooks=[ # 训练期间执行的钩子 dict(type='TextLoggerHook', by_epoch=False), dict(type='TensorboardLoggerHook', by_epoch=False), dict(type='MMDetWandbHook', by_epoch=False, # 还支持 Wandb 记录器，它需要安装 `wandb`。 init_kwargs={'entity': "OpenMMLab", # 用于登录wandb的实体 'project': "MMDet", # WandB中的项目名称 'config': cfg_dict}), # 检查 https://docs.wandb.ai/ref/python/init 以获取更多初始化参数 ]) # 用于记录训练过程的记录器(logger)。 dist_params = dict(backend='nccl') # 用于设置分布式训练的参数，端口也同样可被设置。 log_level = 'INFO' # 日志的级别。 load_from = None # 从一个给定路径里加载模型作为预训练模型，它并不会消耗训练时间。 resume_from = None # 从给定路径里恢复检查点(checkpoints)，训练模式将从检查点保存的轮次开始恢复训练。 workflow = [('train', 1)] # runner 的工作流程，[('train', 1)] 表示只有一个工作流且工作流仅执行一次。根据 total_epochs 工作流训练 12个回合。 work_dir = 'work_dir' # 用于保存当前实验的模型检查点和日志的目录。 ``` ## 常问问题 (FAQ) ### 忽略基础配置文件里的部分内容 有时，您也许会设置 `_delete_=True` 去忽略基础配置文件里的一些域内容。 您也许可以参照 [mmcv](https://mmcv.readthedocs.io/en/latest/understand_mmcv/config.html#inherit-from-base-config-with-ignored-fields) 来获得一些简单的指导。 在 MMDetection里，例如为了改变 Mask R-CNN 的主干网络的某些内容： ```python model = dict( type='MaskRCNN', pretrained='torchvision://resnet50', backbone=dict( type='ResNet', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), frozen_stages=1, norm_cfg=dict(type='BN', requires_grad=True), norm_eval=True, style='pytorch'), neck=dict(...), rpn_head=dict(...), roi_head=dict(...)) ``` 基础配置的 `Mask R-CNN` 使用 `ResNet-50`，在需要将主干网络改成 `HRNet` 的时候，因为 `HRNet` 和 `ResNet` 中有不同的字段，需要使用 `_delete_=True` 将新的键去替换 `backbone` 域内所有老的键。 ```python _base_ = '../mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py' model = dict( pretrained='open-mmlab://msra/hrnetv2_w32', backbone=dict( _delete_=True, type='HRNet', extra=dict( stage1=dict( num_modules=1, num_branches=1, block='BOTTLENECK', num_blocks=(4, ), num_channels=(64, )), stage2=dict( num_modules=1, num_branches=2, block='BASIC', num_blocks=(4, 4), num_channels=(32, 64)), stage3=dict( num_modules=4, num_branches=3, block='BASIC', num_blocks=(4, 4, 4), num_channels=(32, 64, 128)), stage4=dict( num_modules=3, num_branches=4, block='BASIC', num_blocks=(4, 4, 4, 4), num_channels=(32, 64, 128, 256)))), neck=dict(...)) ``` ### 使用配置文件里的中间变量 配置文件里会使用一些中间变量，例如数据集里的 `train_pipeline`/`test_pipeline`。我们在定义新的 `train_pipeline`/`test_pipeline` 之后，需要将它们传递到 `data` 里。例如，我们想在训练或测试时，改变 Mask R-CNN 的多尺度策略 (multi scale strategy)，`train_pipeline`/`test_pipeline` 是我们想要修改的中间变量。 ```python _base_ = './mask_rcnn_r50_fpn_1x_coco.py' img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True, with_mask=True), dict( type='Resize', img_scale=[(1333, 640), (1333, 672), (1333, 704), (1333, 736), (1333, 768), (1333, 800)], multiscale_mode="value", keep_ratio=True), dict(type='RandomFlip', flip_ratio=0.5), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size_divisor=32), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels', 'gt_masks']), ] test_pipeline = [ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(1333, 800), flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size_divisor=32), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']), ]) ] data = dict( train=dict(pipeline=train_pipeline), val=dict(pipeline=test_pipeline), test=dict(pipeline=test_pipeline)) ``` 我们首先定义新的 `train_pipeline`/`test_pipeline` 然后传递到 `data` 里。 同样的，如果我们想从 `SyncBN` 切换到 `BN` 或者 `MMSyncBN`，我们需要修改配置文件里的每一个 `norm_cfg`。 ```python _base_ = './mask_rcnn_r50_fpn_1x_coco.py' norm_cfg = dict(type='BN', requires_grad=True) model = dict( backbone=dict(norm_cfg=norm_cfg), neck=dict(norm_cfg=norm_cfg), ...) ```