本文主要是介绍mmlab——跨项目调用主干网络，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 前言
- 一、mmpretrain
- 总结
前言
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
一、mmpretrain
在mmsegmentation中调用mmpretrain主干网络
代码如下：
mmlab采用统一的文件注册机制，因此只要将相应的mmdet、mmseg、mmpretrain模型文件部分，放到对应的项目下，就可以采用以下方式进行相互调用了
首先：custom_imports = dict(imports='mmpretrain.models',
其次： allow_failed_imports=False)
#导入文件所在的作用域
custom_imports = dict(imports='mmpretrain.models', allow_failed_imports=False)
crop_size = (512, 512)
data_preprocessor = dict(size=crop_size)
checkpoint_file = 'https://download.openmmlab.com/mmclassification/v0/convnext/downstream/convnext-small_3rdparty_32xb128-noema_in1k_20220301-303e75e3.pth' # noqa
model = dict(data_preprocessor=data_preprocessor,backbone=dict(type='mmpretrain.ConvNeXt',arch='small',out_indices=[0, 1, 2, 3],drop_path_rate=0.3,layer_scale_init_value=1.0,gap_before_final_norm=False,init_cfg=dict(type='Pretrained', checkpoint=checkpoint_file,prefix='backbone.')),decode_head=dict(in_channels=[96, 192, 384, 768],num_classes=150,),auxiliary_head=dict(in_channels=384, num_classes=150),test_cfg=dict(mode='slide', crop_size=crop_size, stride=(341, 341)),
)
总结
这篇关于mmlab——跨项目调用主干网络的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
