内容简介:本系列包含两篇:使用maskrcnn-benchmark训练模型,可以
maskrcnn-benchmark 是Facebook开源的基准(benchmark)算法工程,其中包含 检测 、 分割 和 人体关键点 等算法。
本系列包含两篇:
- 第一篇搭建环境;
- 第二篇训练和验证;
训练
使用maskrcnn-benchmark训练模型,可以 参考 。
数据集:
- 下载完整的COCO数据集:annotations、test2014、train2014、val2014;
- 下载FAIR提供的 COCO小型验证集 :minival和valminusminival;
选择训练模板: e2e_mask_rcnn_R_50_FPN_1x.yaml
,其中:
WEIGHT: "catalog://ImageNetPretrained/MSRA/R-50" # 预训练权重
DATASETS: # 数据集
TRAIN: ("coco_2014_train", "coco_2014_valminusminival")
TEST: ("coco_2014_minival",)
MAX_ITER: 90000 # 最大训练轮次
复制代码
其他参数的设置位置: maskrcnn_benchmark/config/defaults.py
如:
-
_C.SOLVER.CHECKPOINT_PERIOD = 2500,保存轮次; -
_C.SOLVER.IMS_PER_BATCH = 16,训练的batch_size; -
_C.OUTPUT_DIR = "./models",模型输出路径;
指定GPU的数量:
export NGPUS=4 复制代码
训练模型:
python -m torch.distributed.launch --nproc_per_node=$NGPUS tools/train_net.py --config-file "configs/e2e_mask_rcnn_R_50_FPN_1x.yaml" nohup python -u -m torch.distributed.launch --nproc_per_node=$NGPUS tools/train_net.py --config-file "configs/e2e_mask_rcnn_R_50_FPN_1x.yaml" & 复制代码
输出的模型位于 ./models
中,最后一个模型是 model_0090000.pth
。
以上所述就是小编给大家介绍的《玩转Facebook的maskrcnn-benchmark项目 2》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 项目组合、项目集、项目管理实践经验及思考
- 项目管理:如何避免项目延期?
- 【Vue项目总结】后台管理项目总结
- 【Vue项目总结】项目nginx部署
- 分享一个vue项目“脚手架”项目
- 项目管理基础:什么是项目管理?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
人人都是架构师:分布式系统架构落地与瓶颈突破
高翔龙 / 电子工业出版社 / 2017-5 / 69
《人人都是架构师:分布式系统架构落地与瓶颈突破》并没有过多渲染系统架构的理论知识,而是切切实实站在开发一线角度,为各位读者诠释了大型网站在架构演变过程中出现一系列技术难题时的解决方案。《人人都是架构师:分布式系统架构落地与瓶颈突破》首先从分布式服务案例开始介绍,重点为大家讲解了大规模服务化场景下企业应该如何实施服务治理;然后在大流量限流/消峰案例中,笔者为大家讲解了应该如何有效地对流量实施管制,避......一起来看看 《人人都是架构师:分布式系统架构落地与瓶颈突破》 这本书的介绍吧!