MMDet加载旧版本代码权重及自定义数据集的问题及解决

本文主要是介绍MMDet加载旧版本代码权重及自定义数据集的问题及解决，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！

文章首发见博客：https://mwhls.top/4881.html。
无图/格式错误/后续更新请见首发页。
更多更新请到mwhls.top查看
欢迎留言提问或批评建议，私信不回。

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。

这篇关于MMDet加载旧版本代码权重及自定义数据集的问题及解决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！

---