101 lines
4.4 KiB
Markdown
101 lines
4.4 KiB
Markdown
# 常见问题
|
||
|
||
我们在这里列出了一些常见问题及其相应的解决方案。如果您发现任何常见问题并有方法
|
||
帮助解决，欢迎随时丰富列表。如果这里的内容没有涵盖您的问题，请按照
|
||
[提问模板](https://github.com/open-mmlab/mmpretrain/issues/new/choose)
|
||
在 GitHub 上提出问题，并补充模板中需要的信息。
|
||
|
||
## 安装
|
||
|
||
- MMEngine, MMCV 与 MMPretrain 的兼容问题
|
||
|
||
这里我们列举了各版本 MMPretrain 对 MMEngine 和 MMCV 版本的依赖，请选择合适的 MMEngine 和 MMCV 版本来避免安装和使用中的问题。
|
||
|
||
| MMPretrain 版本 | MMEngine 版本 | MMCV 版本 |
|
||
| :-------------: | :---------------: | :--------------: |
|
||
| 1.0.2 (main) | mmengine >= 0.8.3 | mmcv >= 2.0.0 |
|
||
| 1.0.0 | mmengine >= 0.8.0 | mmcv >= 2.0.0 |
|
||
| 1.0.0rc8 | mmengine >= 0.7.1 | mmcv >= 2.0.0rc4 |
|
||
| 1.0.0rc7 | mmengine >= 0.5.0 | mmcv >= 2.0.0rc4 |
|
||
|
||
```{note}
|
||
由于 `dev` 分支处于频繁开发中，MMEngine 和 MMCV 版本依赖可能不准确。如果您在使用
|
||
`dev` 分支时遇到问题，请尝试更新 MMEngine 和 MMCV 到最新版。
|
||
```
|
||
|
||
- 使用 Albumentations
|
||
|
||
如果你希望使用 `albumentations` 相关的功能，我们建议使用 `pip install -r requirements/optional.txt` 或者
|
||
`pip install -U albumentations>=0.3.2 --no-binary qudida,albumentations` 命令进行安装。
|
||
|
||
如果你直接使用 `pip install albumentations>=0.3.2` 来安装，它会同时安装 `opencv-python-headless`
|
||
（即使你已经安装了 `opencv-python`）。具体细节可参阅
|
||
[官方文档](https://albumentations.ai/docs/getting_started/installation/#note-on-opencv-dependencies)。
|
||
|
||
## 通用问题
|
||
|
||
### 如果我对源码进行了改动，需要重新安装以使改动生效吗？
|
||
|
||
如果你遵照[最佳实践](../get_started.md#最佳实践)的指引，从源码安装 mmpretrain，那么任何本地修改都不需要重新安装即可生效。
|
||
|
||
### 如何在多个 MMPretrain 版本下进行开发？
|
||
|
||
通常来说，我们推荐通过不同虚拟环境来管理多个开发目录下的 MMPretrain。
|
||
但如果你希望在不同目录（如 mmpretrain-0.21, mmpretrain-0.23 等）使用同一个环境进行开发，
|
||
我们提供的训练和测试 shell 脚本会自动使用当前目录的 mmpretrain，其他 Python 脚本
|
||
则可以在命令前添加 `` PYTHONPATH=`pwd` `` 来使用当前目录的代码。
|
||
|
||
反过来，如果你希望 shell 脚本使用环境中安装的 MMPretrain，而不是当前目录的，
|
||
则可以去掉 shell 脚本中如下一行代码：
|
||
|
||
```shell
|
||
PYTHONPATH="$(dirname $0)/..":$PYTHONPATH
|
||
```
|
||
|
||
### `load_from` 和 `init_cfg` 之间的关系是什么？
|
||
|
||
- `load_from`: 如果`resume=False`，只导入模型权重，主要用于加载训练过的模型；
|
||
如果 `resume=True` ，加载所有的模型权重、优化器状态和其他训练信息，主要用于恢复中断的训练。
|
||
|
||
- `init_cfg`: 你也可以指定`init=dict(type="Pretrained", checkpoint=xxx)`来加载权重，
|
||
表示在模型权重初始化时加载权重，通常在训练的开始阶段执行。
|
||
主要用于微调预训练模型，你可以在骨干网络的配置中配置它，还可以使用 `prefix` 字段来只加载对应的权重，例如：
|
||
|
||
```python
|
||
model = dict(
|
||
backbone=dict(
|
||
type='ResNet',
|
||
depth=50,
|
||
init_cfg=dict(type='Pretrained', checkpoints=xxx, prefix='backbone'),
|
||
)
|
||
...
|
||
)
|
||
```
|
||
|
||
参见 [微调模型](./finetune_custom_dataset.md) 以了解更多关于模型微调的细节。
|
||
|
||
### `default_hooks` 和 `custom_hooks` 之间有什么区别？
|
||
|
||
几乎没有区别。通常，`default_hooks` 字段用于指定几乎所有实验都会使用的钩子，
|
||
而 `custom_hooks` 字段指部分实验特有的钩子。
|
||
|
||
另一个区别是 `default_hooks` 是一个字典，而 `custom_hooks` 是一个列表，请不要混淆。
|
||
|
||
### 在训练期间，我没有收到训练日志，这是什么原因？
|
||
|
||
如果你的训练数据集很小，而批处理量却很大，我们默认的日志间隔可能太大，无法记录你的训练日志。
|
||
|
||
你可以缩减日志间隔，再试一次，比如:
|
||
|
||
```python
|
||
default_hooks = dict(
|
||
...
|
||
logger=dict(type='LoggerHook', interval=10),
|
||
...
|
||
)
|
||
```
|
||
|
||
### 如何基于其它数据集训练，例如我自己的数据集或者是 COCO 数据集？
|
||
|
||
我们提供了 [具体示例](./pretrain_custom_dataset.md) 来展示如何在其它数据集上进行训练。
|