【CenterFusion】参数处理CenterFusion/src/lib/opts.py

本文主要是介绍【CenterFusion】参数处理CenterFusion/src/lib/opts.py，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！

文件内容：CenterFusion/src/lib/opts.py
文件作用：train.sh 脚本中参数的处理

首先对添加参数部分进行说明
例如：

self.parser.add_argument('--not_set_cuda_env', action='store_true',help='used when training in slurm clusters.')

• action：脚本中添加了该参数时，它的值则为 True，没有添加则为 False
• help：对参数的说明
  下面的 opts.py 文件中的具体内容：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_functionimport argparse
import os
import sysclass opts(object):def __init__(self):self.parser = argparse.ArgumentParser()# basic experiment settingself.parser.add_argument('task', default='',help='ctdet | ddd | multi_pose ''| tracking or combined with ,')self.parser.add_argument('--dataset', default='nuscenes',help='see lib/dataset/dataset_facotry for ' + 'available datasets')self.parser.add_argument('--test_dataset', default='',help='coco | kitti | coco_hp | pascal')self.parser.add_argument('--exp_id', default='default')self.parser.add_argument('--eval', action='store_true',help='only evaluate the val split and quit 只评估val split和quit')self.parser.add_argument('--debug', type=int, default=0,help='level of visualization.''1: only show the final detection results''2: show the network output features''3: use matplot to display' # useful when lunching training with ipython notebook'4: save all visualizations to disk')self.parser.add_argument('--no_pause', action='store_true',help='do not pause after debugging visualizations')self.parser.add_argument('--demo', default='', help='path to image/ image folders/ video. ''or "webcam"')self.parser.add_argument('--load_model', default='',help='path to pretrained model')self.parser.add_argument('--resume', action='store_true',help='resume an experiment. ''Reloaded the optimizer parameter and ''set load_model to model_last.pth ''in the exp dir if load_model is empty.') # systemself.parser.add_argument('--gpus', default='0', help='-1 for CPU, use comma for multiple gpus，-1表示CPU，逗号表示多个gpu')self.parser.add_argument('--num_workers', type=int, default=4,help='dataloader threads. 0 for single-thread. dataloader线程。0为单线程')self.parser.add_argument('--not_cuda_benchmark', action='store_true',help='disable when the input size is not fixed.')self.parser.add_argument('--seed', type=int, default=317, help='random seed') # from CornerNetself.parser.add_argument('--not_set_cuda_env', action='store_true',help='used when training in slurm clusters.在slurm训练时使用')# logself.parser.add_argument('--print_iter', type=int, default=0, help='disable progress bar and print to screen.')self.parser.add_argument('--save_all', action='store_true',help='save model to disk every 5 epochs. 每5个epoch将模型保存到磁盘')self.parser.add_argument('--vis_thresh', type=float, default=0.3,help='visualization threshold.')self.parser.add_argument('--debugger_theme', default='white', choices=['white', 'black'])self.parser.add_argument('--run_dataset_eval', action='store_true',help='use dataset specific evaluation function in eval')self.parser.add_argument('--save_imgs', default='',help='list of images to save in debug. empty to save all 要在调试中保存的图像列表。为空保存所有')self.parser.add_argument('--save_img_suffix', default='', help='')self.parser.add_argument('--skip_first', type=int, default=-1,help='skip first n images in demo mode')self.parser.add_argument('--save_video', action='store_true')self.parser.add_argument('--save_framerate', type=int, default=30)self.parser.add_argument('--resize_video', action='store_true')self.parser.add_argument('--video_h', type=int, default=512, help='')self.parser.add_argument('--video_w', type=int, default=512, help='')self.parser.add_argument('--transpose_video', action='store_true')self.parser.add_argument('--show_track_color', action='store_true')self.parser.add_argument('--not_show_bbox', action='store_true')self.parser.add_argument('--not_show_number', action='store_true')self.parser.add_argument('--qualitative', action='store_true')self.parser.add_argument('--tango_color', action='store_true')# modelself.parser.add_argument('--arch', default='dla_34', help='model architecture. Currently tested''res_18 | res_101 | resdcn_18 | resdcn_101 |''dlav0_34 | dla_34 | hourglass')self.parser.add_argument('--dla_node', default='dcn') self.parser.add_argument('--head_conv', type=int, default=-1,help='conv layer channels for output head''0 for no conv layer''-1 for default setting: ''64 for resnets and 256 for dla.')self.parser.add_argument('--num_head_conv', type=int, default=1,help='number of conv layers before each output head')self.parser.add_argument('--head_kernel', type=int, default=3, help='')self.parser.add_argument('--down_ratio', type=int, default=4,help='output stride. Currently only supports 4.')# self.parser.add_argument('--not_idaup', action='store_true')self.parser.add_argument('--num_classes', type=int, default=-1)self.parser.add_argument('--num_resnet_layers', type=int, default=101)self.parser.add_argument('--backbone', default='dla34',help='backbone for the generic detection network')self.parser.add_argument('--neck', default='dlaup',help='neck for the generic detection network')self.parser.add_argument('--msra_outchannel', type=int, default=256)# self.parser.add_argument('--efficient_level', type=int, default=0)self.parser.add_argument('--prior_bias', type=float, default=-4.6) # -2.19# inputself.parser.add_argument('--input_res', type=int, default=-1, help='input height and width. -1 for default from ''dataset. Will be overriden by input_h | input_w')self.parser.add_argument('--input_h', type=int, default=-1, help='input height. -1 for default from dataset.')self.parser.add_argument('--input_w', type=int, default=-1, help='input width. -1 for default from dataset.')self.parser.add_argument('--dataset_version', default='')# trainself.parser.add_argument('--optim', default='adam')self.parser.add_argument('--lr', type=float, default=1.25e-4, help='learning rate for batch size 32.')self.parser.add_argument('--lr_step', type=str, default='60',help='drop learning rate by 10. 学习速度除以10')self.parser.add_argument('--save_point', type=str, default='90',help='when to save the model to disk. 何时将模型保存到磁盘')self.parser.add_argument('--num_epochs', type=int, default=70,help='total training epochs.')self.parser.add_argument('--batch_size', type=int, default=32,help='batch size')self.parser.add_argument('--master_batch_size', type=int, default=-1,help='batch size on the master gpu.')self.parser.add_argument('--num_iters', type=int, default=-1,help='default: #samples / batch_size.')self.parser.add_argument('--val_intervals', type=int, default=10,help='number of epochs to run validation. 运行验证的纪元数')self.parser.add_argument('--trainval', action='store_true',help='include validation in training and ''test on test set')self.parser.add_argument('--ltrb', action='store_true',help='')          self.parser.add_argument('--ltrb_weight', type=float, default=0.1,help='')self.parser.add_argument('--reset_hm', action='store_true')self.parser.add_argument('--reuse_hm', action='store_true')# self.parser.add_argument('--use_kpt_center', action='store_true')# self.parser.add_argument('--add_05', action='store_true')self.parser.add_argument('--dense_reg', type=int, default=1, help='')self.parser.add_argument('--shuffle_train', action='store_true',help='shuffle training dataloader')# testself.parser.add_argument('--flip_test', action='store_true',help='flip data augmentation.')self.parser.add_argument('--test_scales', type=str, default='1',help='multi scale test augmentation.')self.parser.add_argument('--nms', action='store_true',help='run nms in testing.')self.parser.add_argument('--K', type=int, default=100,help='max number of output objects.') self.parser.add_argument('--not_prefetch_test', action='store_true',help='not use parallal data pre-processing.')self.parser.add_argument('--fix_short', type=int, default=-1)self.parser.add_argument('--keep_res', action='store_true',help='keep the original resolution'' during validation. 在验证期间保持原始分辨率')# self.parser.add_argument('--map_argoverse_id', action='store_true',#                          help='if trained on nuscenes and eval on kitti')self.parser.add_argument('--out_thresh', type=float, default=-1,help='')self.parser.add_argument('--depth_scale', type=float, default=1,help='')self.parser.add_argument('--save_results', action='store_true')self.parser.add_argument('--load_results', default='')self.parser.add_argument('--use_loaded_results', action='store_true')self.parser.add_argument('--ignore_loaded_cats', default='')self.parser.add_argument('--model_output_list', action='store_true',help='Used when convert to onnx')self.parser.add_argument('--non_block_test', action='store_true')self.parser.add_argument('--vis_gt_bev', default='',help='path to gt bev images')self.parser.add_argument('--kitti_split', default='3dop',help='different validation split for kitti: ''3dop | subcnn')self.parser.add_argument('--test_focal_length', type=int, default=-1)# datasetself.parser.add_argument('--not_rand_crop', action='store_true',help='not use the random crop data augmentation''from CornerNet.')self.parser.add_argument('--not_max_crop', action='store_true',help='used when the training dataset has''inbalanced aspect ratios.')self.parser.add_argument('--shift', type=float, default=0,help='when not using random crop, 0.1''apply shift augmentation.')self.parser.add_argument('--scale', type=float, default=0,help='when not using random crop, 0.4''apply scale augmentation.')self.parser.add_argument('--aug_rot', type=float, default=0, help='probability of applying ''rotation augmentation.')self.parser.add_argument('--rotate', type=float, default=0,help='when not using random crop''apply rotation augmentation.')self.parser.add_argument('--flip', type=float, default=0.5,help='probability of applying flip augmentation.')self.parser.add_argument('--no_color_aug', action='store_true',help='not use the color augmenation ''from CornerNet')# Trackingself.parser.add_argument('--tracking', action='store_true')self.parser.add_argument('--pre_hm', action='store_true')self.parser.add_argument('--same_aug_pre', action='store_true')self.parser.add_argument('--zero_pre_hm', action='store_true')self.parser.add_argument('--hm_disturb', type=float, default=0)self.parser.add_argument('--lost_disturb', type=float, default=0)self.parser.add_argument('--fp_disturb', type=float, default=0)self.parser.add_argument('--pre_thresh', type=float, default=-1)self.parser.add_argument('--track_thresh', type=float, default=0.3)self.parser.add_argument('--new_thresh', type=float, default=0.3)self.parser.add_argument('--max_frame_dist', type=int, default=3)self.parser.add_argument('--ltrb_amodal', action='store_true')self.parser.add_argument('--ltrb_amodal_weight', type=float, default=0.1)self.parser.add_argument('--public_det', action='store_true')self.parser.add_argument('--no_pre_img', action='store_true')self.parser.add_argument('--zero_tracking', action='store_true')self.parser.add_argument('--hungarian', action='store_true')self.parser.add_argument('--max_age', type=int, default=-1)# lossself.parser.add_argument('--tracking_weight', type=float, default=1)self.parser.add_argument('--reg_loss', default='l1',help='regression loss: sl1 | l1 | l2')self.parser.add_argument('--hm_weight', type=float, default=1,help='loss weight for keypoint heatmaps.')self.parser.add_argument('--off_weight', type=float, default=1,help='loss weight for keypoint local offsets.')self.parser.add_argument('--wh_weight', type=float, default=0.1,help='loss weight for bounding box size.边框尺寸的损失重量')self.parser.add_argument('--hp_weight', type=float, default=1,help='loss weight for human pose offset.')self.parser.add_argument('--hm_hp_weight', type=float, default=1,help='loss weight for human keypoint heatmap.')self.parser.add_argument('--amodel_offset_weight', type=float, default=1,help='Please forgive the typo.')self.parser.add_argument('--dep_weight', type=float, default=1,help='loss weight for depth.')self.parser.add_argument('--dep_res_weight', type=float, default=1,help='loss weight for depth residual.')self.parser.add_argument('--dim_weight', type=float, default=1,help='loss weight for 3d bounding box size.')self.parser.add_argument('--rot_weight', type=float, default=1,help='loss weight for orientation.')self.parser.add_argument('--nuscenes_att', action='store_true')self.parser.add_argument('--nuscenes_att_weight', type=float, default=1)self.parser.add_argument('--velocity', action='store_true')self.parser.add_argument('--velocity_weight', type=float, default=1)# custom datasetself.parser.add_argument('--custom_dataset_img_path', default='')self.parser.add_argument('--custom_dataset_ann_path', default='')# point clouds and nuScenes datasetself.parser.add_argument('--pointcloud', action='store_true')self.parser.add_argument('--train_split', default='train',choices=['train','mini_train', 'train_detect', 'train_track', 'mini_train_2', 'trainval'])self.parser.add_argument('--val_split', default='val',choices=['val','mini_val','test'])self.parser.add_argument('--max_pc', type=int, default=1000,help='maximum number of points in the point cloud')self.parser.add_argument('--r_a', type=float, default=250,help='alpha parameter for hm size calculation')self.parser.add_argument('--r_b', type=float, default=5,help='beta parameter for hm size calculation')self.parser.add_argument('--img_format', default='jpg',help='debug image format')self.parser.add_argument('--max_pc_dist', type=float, default=100.0,help='remove points beyond max_pc_dist meters')self.parser.add_argument('--freeze_backbone', action='store_true',help='freeze the backbone network and only train heads 冻结骨干网络，仅限train头部')self.parser.add_argument('--radar_sweeps', type=int, default=1,help='number of radar sweeps in point cloud')self.parser.add_argument('--warm_start_weights', action='store_true',help='try to reuse weights even if dimensions dont match')self.parser.add_argument('--pc_z_offset', type=float, default=0,help='raise all Radar points in z direction')self.parser.add_argument('--eval_n_plots', type=int, default=0,help='number of sample plots drawn in eval')self.parser.add_argument('--eval_render_curves', action='store_true',help='render and save evaluation curves')self.parser.add_argument('--hm_transparency', type=float, default=0.7,help='heatmap visualization transparency')self.parser.add_argument('--iou_thresh', type=float, default=0,help='IOU threshold for filtering overlapping detections')self.parser.add_argument('--pillar_dims', type=str, default='2,0.5,0.5',help='Radar pillar dimensions (h,w,l)')self.parser.add_argument('--show_velocity', action='store_true')def parse(self, args=''):if args == '':opt = self.parser.parse_args()else:opt = self.parser.parse_args(args)'''把 parser 中设置的所有 "add_argument" 给返回到 args 子类实例当中'''if opt.test_dataset == '':opt.test_dataset = opt.dataset'''设置数据集为 nuscenes  test_dataset 默认值为 '' ，dataset 默认值为 nuscenes'''opt.gpus_str = opt.gpus'''为 opt 添加一个新的参数 gpus_str，用来临时保存 gpus 的值gpus 默认值为 0，是一个字符串，在 train.sh 中的值为 0,1'''opt.gpus = [int(gpu) for gpu in opt.gpus.split(',')]'''split() 函数：拆分字符串，通过指定分隔符对字符串进行切片，并返回分割后的字符串列表（list）这里是将字符串 '0,1' 整数化成整数型数组 [0, 1]'''opt.gpus = [i for i in range(len(opt.gpus))] if opt.gpus[0] >=0 else [-1]'''重新设置 GPU 索引号，其结果依然没变'''opt.lr_step = [int(i) for i in opt.lr_step.split(',')]'''lr_step 默认值为 60，在 train.sh 中的值为 50这里也是将字符串处理成整数型数组最后 lr_step 值为 [50]'''opt.save_point = [int(i) for i in opt.save_point.split(',')]'''save_point 默认值为 50，在 train.sh 中的值为 20,40,50这里也是将字符串处理成整数型数组save_point 参数意义：何时将模型保存到磁盘'''opt.test_scales = [float(i) for i in opt.test_scales.split(',')]'''test_scales 默认值为 1这里是将 test_scales 处理成浮点型test_scales 参数意义：多尺度测试增强'''opt.save_imgs = [i for i in opt.save_imgs.split(',')] \if opt.save_imgs != '' else []'''save_imgs 默认值为 ''save_imgs 参数意义：要在调试中保存的图像列表。为空保存所有'''opt.ignore_loaded_cats = \[int(i) for i in opt.ignore_loaded_cats.split(',')] \if opt.ignore_loaded_cats != '' else []'''ignore_loaded_cats 默认值为 '''''opt.num_workers = max(opt.num_workers, 2 * len(opt.gpus))'''num_workers 默认值为 4最后 num_workers 的值为 4num_workers 参数意义：dataloader 线程，0 为单线程'''opt.pre_img = False'''为 opt 添加了一个新的参数 pre_img，它的值为 False'''if 'tracking' in opt.task:print('Running tracking')opt.tracking = Trueopt.out_thresh = max(opt.track_thresh, opt.out_thresh)opt.pre_thresh = max(opt.track_thresh, opt.pre_thresh)opt.new_thresh = max(opt.track_thresh, opt.new_thresh)opt.pre_img = not opt.no_pre_imgprint('Using tracking threshold for out threshold!', opt.track_thresh)if 'ddd' in opt.task:opt.show_track_color = True'''tast 默认值为 ''，但在 train.sh 中赋值为 ddd，则 opt.task = 'ddd'所以该 if 语句没有执行'''opt.fix_res = not opt.keep_resprint('Fix size testing.' if opt.fix_res else 'Keep resolution testing.')'''keep_res 由于 train.sh 没有添加该参数，所以值为 False最后新添加的参数 fix_res 的值为 true，则打印 'Fix size testing.'keep_res 参数意义：在验证期间保持原始分辨率'''if opt.head_conv == -1:opt.head_conv = 256 if 'dla' in opt.arch else 64'''head_conv 默认值为 -1arch 默认值为 dla_34最后 head_conv 的值为 256head_conv 参数意义：输出头的转换层通道0 表示没有 conv 层-1 默认设置:resnets 是 64dla 是 256'''opt.pad = 127 if 'hourglass' in opt.arch else 31'''新添加参数 pad 的值为 31'''opt.num_stacks = 2 if opt.arch == 'hourglass' else 1'''新添加参数 num_stacks 的值为 1'''if opt.master_batch_size == -1:opt.master_batch_size = opt.batch_size // len(opt.gpus)'''batch_size 默认值为 32，在 train.sh 中的值也为 32master_batch_size 默认值为 -1最后 master_batch_size 的值为 16master_batch_size 参数意义：主图形处理器上的批处理大小'''rest_batch_size = (opt.batch_size - opt.master_batch_size)'''rest_batch_size 的值为 32 - 16 = 16'''opt.chunk_sizes = [opt.master_batch_size]'''添加新参数 chunk_sizes 的值为 [16]'''for i in range(len(opt.gpus) - 1):slave_chunk_size = rest_batch_size // (len(opt.gpus) - 1)if i < rest_batch_size % (len(opt.gpus) - 1):slave_chunk_size += 1opt.chunk_sizes.append(slave_chunk_size)'''根据 GPU 的数量设置训练块的大小一块 GPU 的训练块大小为 32两块 GPU 其中每个训练块大小为 16'''if opt.debug > 0:opt.num_workers = 0opt.batch_size = 1opt.gpus = [opt.gpus[0]]opt.master_batch_size = -1'''debug 默认值为 0该 if 语句没有执行debug 参数含义：可视化的水平1：只显示最终检测结果2：显示网络输出特征3：使用 matplot 显示4：将所有可视化内容保存到磁盘'''opt.root_dir = os.path.join(os.path.dirname(__file__), '..', '..')opt.data_dir = os.path.join(opt.root_dir, 'data')opt.exp_dir = os.path.join(opt.root_dir, 'exp', opt.task)opt.save_dir = os.path.join(opt.exp_dir, opt.exp_id)opt.debug_dir = os.path.join(opt.save_dir, 'debug')'''添加路径参数，并设置 log 路径root_dir  = ~/CenterFusion/src/lib/../..data_dir  = ~/CenterFusion/src/lib/../../dataexp_dir   = ~/CenterFusion/src/lib/../../exp/dddsave_dir  = ~/CenterFusion/src/lib/../../exp/ddd/centerfusiondebug_dir = ~/CenterFusion/src/lib/../../exp/ddd/centerfusion/debug'''if opt.resume and opt.load_model == '':opt.load_model = os.path.join(opt.save_dir, 'model_last.pth')'''resume 在 train.sh 没有添加该参数，所以为 Falseload_model 默认值为 '' ，在 train.sh 中设置了该参数的值所以该 if 语句没有执行参数含义：resume：重新加载优化器参数，并在 load_model 为空时将 load_model 设置为 model_last.pthload_model：预训练模型的路径'''opt.pc_atts = ['x', 'y', 'z', 'dyn_prop', 'id', 'rcs', 'vx', 'vy', 'vx_comp', 'vy_comp', 'is_quality_valid', 'ambig_state', 'x_rms', 'y_rms', 'invalid_state', 'pdh0', 'vx_rms', 'vy_rms']'''添加新参数 pc_atts，并设置雷达点云相关属性'''pc_attr_ind = {x:i for i,x in enumerate(opt.pc_atts)}'''enumerate()：函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中这里是对 opt.pc_atts 中的属性递增赋值结果 = {'x': 0, 'y': 1, 'z': 2, 'dyn_prop': 3, 'id': 4, 'rcs': 5,......}'''opt.pillar_dims = [float(i) for i in opt.pillar_dims.split(',')]'''pillar_dims 默认值为 2.0,0.5,0.5 在 train.sh 中的值为 1.0,0.2,0.2这里是将字符串处理成浮点型数组pillar_dims 参数含义：雷达柱尺寸(h、w、l)'''opt.num_img_channels = 3opt.hm_dist_thresh = Noneopt.sigmoid_dep_sec = Falseopt.hm_to_box_ratio = 0.3opt.secondary_heads = []opt.custom_head_convs = {}opt.normalize_depth = Falseopt.disable_frustum = Falseopt.layers_to_freeze = ['base', 'dla_up','ida_up',# 'hm'# 'reg'# 'wh'# 'dep'# 'rot'# 'dim'# 'amodel_offset'# 'dep_sec'# 'nuscenes_att'# 'velocity']'''添加一些新参数，并设值'''if opt.pointcloud:'''在 train.sh 中添加了该参数，所以 pointcloud = True该 if 语句中添加一些新参数并设值'''extra_pc_feats = []opt.pc_roi_method = "pillars"opt.pillar_dims = [1.5,0.2,0.2]opt.pc_feat_lvl = ['pc_dep','pc_vx','pc_vz',]opt.frustumExpansionRatio = 0.0opt.disable_frustum = Falseopt.sort_det_by_dist = Falseopt.sigmoid_dep_sec = Trueopt.normalize_depth = Trueopt.secondary_heads = ['velocity', 'nuscenes_att', 'dep_sec', 'rot_sec']opt.hm_dist_thresh = {'car': 0, 'truck': 0,'bus': 0,'trailer': 0, 'construction_vehicle': 0, 'pedestrian': 1,'motorcycle': 1,'bicycle': 1, 'traffic_cone': 0, 'barrier': 0}opt.custom_head_convs = {'dep_sec': 3,'rot_sec': 3,'velocity': 3,'nuscenes_att': 3,}opt.pc_feat_channels = {feat: i for i,feat in enumerate(opt.pc_feat_lvl)}CATS = ['car', 'truck', 'bus', 'trailer', 'construction_vehicle', 'pedestrian', 'motorcycle', 'bicycle', 'traffic_cone', 'barrier']CAT_IDS = {v: i for i, v in enumerate(CATS)}'''设置目标物体类别及 id'''if opt.hm_dist_thresh is not None:temp = {}for (k,v) in opt.hm_dist_thresh.items():temp[CAT_IDS[k]] = vopt.hm_dist_thresh = temp'''items()：将一个字典以列表的形式返回'''return optdef update_dataset_info_and_set_heads(self, opt, dataset):'''opt 为 opts 类，被定义在本文件中dataset 为 nuScenes 类，被定义在 CenterFusion-master/src/lib/dataset/datasets/nuscenes.py 中'''opt.num_classes = dataset.num_categories \if opt.num_classes < 0 else opt.num_classes'''dataset.num_categories 默认值为 10 ，num_classes 值为 10这里是为了获取目标物体种类数参数含义：num_categories ：在 nuScenes 中目标物体种类数num_classes ：目标物体类别数'''input_h, input_w = dataset.default_resolution #input_h= 448 input_w = 800input_h = opt.input_res if opt.input_res > 0 else input_hinput_w = opt.input_res if opt.input_res > 0 else input_wopt.input_h = opt.input_h if opt.input_h > 0 else input_hopt.input_w = opt.input_w if opt.input_w > 0 else input_w'''默认值 default_rerolution = [448,800]，opt.input_res = opt.input_h = opt.input_w = -1获取 nuScenes 中的图片像素值结果：opt.input_h = 448opt.input_w = 800'''opt.output_h = opt.input_h // opt.down_ratioopt.output_w = opt.input_w // opt.down_ratio'''down_ratio 默认值为 4结果opt.output_h = 112opt.output_w = 200'''opt.input_res = max(opt.input_h, opt.input_w)opt.output_res = max(opt.output_h, opt.output_w)'''结果opt.input_res = 800opt.output_res = 200'''opt.heads = {'hm': opt.num_classes, 'reg': 2, 'wh': 2}if 'tracking' in opt.task:opt.heads.update({'tracking': 2})if 'ddd' in opt.task:opt.heads.update({'dep': 1, 'rot': 8, 'dim': 3, 'amodel_offset': 2})if opt.pointcloud:opt.heads.update({'dep_sec': 1})opt.heads.update({'rot_sec': 8})if 'multi_pose' in opt.task:opt.heads.update({'hps': dataset.num_joints * 2, 'hm_hp': dataset.num_joints,'hp_offset': 2})if opt.ltrb:opt.heads.update({'ltrb': 4})if opt.ltrb_amodal:opt.heads.update({'ltrb_amodal': 4})if opt.nuscenes_att:opt.heads.update({'nuscenes_att': 8})if opt.velocity:opt.heads.update({'velocity': 3})'''设置 opt.heads 中的内容'''weight_dict = {'hm': opt.hm_weight, 'wh': opt.wh_weight,'reg': opt.off_weight, 'hps': opt.hp_weight,'hm_hp': opt.hm_hp_weight, 'hp_offset': opt.off_weight,'dep': opt.dep_weight, 'dep_res': opt.dep_res_weight,'rot': opt.rot_weight, 'dep_sec': opt.dep_weight,'dim': opt.dim_weight, 'rot_sec': opt.rot_weight,'amodel_offset': opt.amodel_offset_weight,'ltrb': opt.ltrb_weight,'tracking': opt.tracking_weight,'ltrb_amodal': opt.ltrb_amodal_weight,'nuscenes_att': opt.nuscenes_att_weight,'velocity': opt.velocity_weight}'''设置 weight_dict 中的内容'''opt.weights = {head: weight_dict[head] for head in opt.heads}'''根据 opt.heads 和 weight_dict 设置 opt.weights 中的内容'''for head in opt.weights:if opt.weights[head] == 0:del opt.heads[head]'''遍历 weights 并删除值为 0 的属性'''temp_head_conv = opt.head_convopt.head_conv = {head: [opt.head_conv for i in range(opt.num_head_conv if head != 'reg' else 1)] for head in opt.heads}'''设置 opt.head_conv 中的内容'''if opt.pointcloud:temp = {k: [temp_head_conv for i in range(v)] for k,v in opt.custom_head_convs.items()}opt.head_conv.update(temp)'''更新自定义头部变换'''#print('input h w:', opt.input_h, opt.input_w)#print('heads', opt.heads)#print('weights', opt.weights)#print('head conv', opt.head_conv)return optdef init(self, args=''):# only used in demodefault_dataset_info = {'ctdet': 'coco', 'multi_pose': 'coco_hp', 'ddd': 'nuscenes','tracking,ctdet': 'coco', 'tracking,multi_pose': 'coco_hp', 'tracking,ddd': 'nuscenes'}opt = self.parse()from dataset.dataset_factory import dataset_factorytrain_dataset = default_dataset_info[opt.task] \if opt.task in default_dataset_info else 'coco'dataset = dataset_factory[train_dataset]opt = self.update_dataset_info_and_set_heads(opt, dataset)return opt

这篇关于【CenterFusion】参数处理CenterFusion/src/lib/opts.py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！

---