mirror of https://github.com/open-mmlab/mmyolo.git
556 lines
31 KiB
Markdown
556 lines
31 KiB
Markdown
# 学习 YOLOv5 配置文件
|
||
|
||
MMYOLO 和其他 OpenMMLab 仓库使用 [MMEngine 的配置文件系统](https://mmengine.readthedocs.io/zh_cn/latest/tutorials/config.md)。 配置文件使用了模块化和继承设计，以便于进行各类实验。
|
||
|
||
## 配置文件的内容
|
||
|
||
MMYOLO 采用模块化设计，所有功能的模块都可以通过配置文件进行配置。 以 [YOLOv5-s](https://github.com/open-mmlab/mmyolo/blob/main/configs/yolov5/yolov5_s-v61_syncbn_fast_8xb16-300e_coco.py) 为例，我们将根据不同的功能模块介绍配置文件中的各个字段：
|
||
|
||
### 重要参数
|
||
|
||
如下参数是修改训练配置时经常需要修改的参数。例如缩放因子 `deepen_factor` 和 `widen_factor`，MMYOLO 中的网络基本都使用它们来控制模型的大小。所以我们推荐在配置文件中单独定义这些参数。
|
||
|
||
```python
|
||
img_scale = (640, 640) # 高度，宽度
|
||
deepen_factor = 0.33 # 控制网络结构深度的缩放因子，YOLOv5-s 为 0.33
|
||
widen_factor = 0.5 # 控制网络结构宽度的缩放因子，YOLOv5-s 为 0.5
|
||
max_epochs = 300 # 最大训练轮次 300 轮
|
||
save_epoch_intervals = 10 # 验证间隔，每 10 个 epoch 验证一次
|
||
train_batch_size_per_gpu = 16 # 训练时单个 GPU 的 Batch size
|
||
train_num_workers = 8 # 训练时单个 GPU 分配的数据加载线程数
|
||
val_batch_size_per_gpu = 1 # 验证时单个 GPU 的 Batch size
|
||
val_num_workers = 2 # 验证时单个 GPU 分配的数据加载线程数
|
||
```
|
||
|
||
### 模型配置
|
||
|
||
在 MMYOLO 的配置中，我们使用 `model` 字段来配置检测算法的组件。 除了 `backbone`、`neck` 等神经网络组件外，还需要 `data_preprocessor`、`train_cfg` 和 `test_cfg`。 `data_preprocessor` 负责对 dataloader 输出的每一批数据进行预处理。 模型配置中的 `train_cfg` 和 `test_cfg` 用于设置训练和测试组件的超参数。
|
||
|
||
```python
|
||
anchors = [[(10, 13), (16, 30), (33, 23)], # 多尺度的先验框基本尺寸
|
||
[(30, 61), (62, 45), (59, 119)],
|
||
[(116, 90), (156, 198), (373, 326)]]
|
||
strides = [8, 16, 32] # 先验框生成器的步幅
|
||
|
||
model = dict(
|
||
type='YOLODetector', #检测器名
|
||
data_preprocessor=dict( # 数据预处理器的配置，通常包括图像归一化和 padding
|
||
type='mmdet.DetDataPreprocessor', # 数据预处理器的类型，还可以选择 'YOLOv5DetDataPreprocessor' 训练速度更快
|
||
mean=[0., 0., 0.], # 用于预训练骨干网络的图像归一化通道均值，按 R、G、B 排序
|
||
std=[255., 255., 255.], # 用于预训练骨干网络的图像归一化通道标准差，按 R、G、B 排序
|
||
bgr_to_rgb=True), # 是否将图像通道从 BGR 转为 RGB
|
||
backbone=dict( # 主干网络的配置文件
|
||
type='YOLOv5CSPDarknet', # 主干网络的类别，目前可选用 'YOLOv5CSPDarknet', 'YOLOv6EfficientRep', 'YOLOXCSPDarknet' 3种
|
||
deepen_factor=deepen_factor, # 控制网络结构深度的缩放因子
|
||
widen_factor=widen_factor, # 控制网络结构宽度的缩放因子
|
||
norm_cfg=dict(type='BN', momentum=0.03, eps=0.001), # 归一化层(norm layer)的配置项
|
||
act_cfg=dict(type='SiLU', inplace=True)), # 激活函数(activation function)的配置项
|
||
neck=dict(
|
||
type='YOLOv5PAFPN', # 检测器的 neck 是 YOLOv5FPN，我们同样支持 'YOLOv6RepPAFPN', 'YOLOXPAFPN'
|
||
deepen_factor=deepen_factor, # 控制网络结构深度的缩放因子
|
||
widen_factor=widen_factor, # 控制网络结构宽度的缩放因子
|
||
in_channels=[256, 512, 1024], # 输入通道数，与 Backbone 的输出通道一致
|
||
out_channels=[256, 512, 1024], # 输出通道数，与 Head 的输入通道一致
|
||
num_csp_blocks=3, # CSPLayer 中 bottlenecks 的数量
|
||
norm_cfg=dict(type='BN', momentum=0.03, eps=0.001), # 归一化层(norm layer)的配置项
|
||
act_cfg=dict(type='SiLU', inplace=True)), # 激活函数(activation function)的配置项
|
||
bbox_head=dict(
|
||
type='YOLOv5Head', # bbox_head 的类型是 'YOLOv5Head', 我们目前也支持 'YOLOv6Head', 'YOLOXHead'
|
||
head_module=dict(
|
||
type='YOLOv5HeadModule', # head_module 的类型是 'YOLOv5HeadModule', 我们目前也支持 'YOLOv6HeadModule', 'YOLOXHeadModule'
|
||
num_classes=80, # 分类的类别数量
|
||
in_channels=[256, 512, 1024], # 输入通道数，与 Neck 的输出通道一致
|
||
widen_factor=widen_factor, # 控制网络结构宽度的缩放因子
|
||
featmap_strides=[8, 16, 32], # 多尺度特征图的步幅
|
||
num_base_priors=3), # 在一个点上，先验框的数量
|
||
prior_generator=dict( # 先验框(prior)生成器的配置
|
||
type='mmdet.YOLOAnchorGenerator', # 先验框生成器的类型是 mmdet 中的 'YOLOAnchorGenerator'
|
||
base_sizes=anchors, # 多尺度的先验框基本尺寸
|
||
strides=strides), # 先验框生成器的步幅, 与 FPN 特征步幅一致。如果未设置 base_sizes，则当前步幅值将被视为 base_sizes。
|
||
),
|
||
test_cfg=dict(
|
||
multi_label=True, # 对于多类别预测来说是否考虑多标签，默认设置为 True
|
||
nms_pre=30000, # NMS 前保留的最大检测框数目
|
||
score_thr=0.001, # 过滤类别的分值，低于 score_thr 的检测框当做背景处理
|
||
nms=dict(type='nms', # NMS 的类型
|
||
iou_threshold=0.65), # NMS 的阈值
|
||
max_per_img=300)) # 每张图像 NMS 后保留的最大检测框数目
|
||
```
|
||
|
||
### 数据集和评测器配置
|
||
|
||
在使用 [执行器](https://mmengine.readthedocs.io/en/latest/tutorials/runner.html) 进行训练、测试、验证时，我们需要配置 [Dataloader](https://pytorch.org/docs/stable/data.html?highlight=data%20loader#torch.utils.data.DataLoader) 。构建数据 dataloader 需要设置数据集（dataset）和数据处理流程（data pipeline）。 由于这部分的配置较为复杂，我们使用中间变量来简化 dataloader 配置的编写。由于 MMYOLO 中各类轻量目标检测算法使用了更加复杂的数据增强方法，因此会比 MMDetection 中的其他模型拥有更多样的数据集配置。
|
||
|
||
YOLOv5 的训练与测试的数据流存在一定差异，这里我们分别进行介绍。
|
||
|
||
```python
|
||
dataset_type = 'CocoDataset' # 数据集类型，这将被用来定义数据集
|
||
data_root = 'data/coco/' # 数据的根路径
|
||
file_client_args = dict(backend='disk') # 文件读取后端的配置，默认从硬盘读取
|
||
|
||
pre_transform = [ # 训练数据读取流程
|
||
dict(
|
||
type='LoadImageFromFile', # 第 1 个流程，从文件路径里加载图像
|
||
file_client_args=file_client_args), # 文件读取后端的配置，默认从硬盘读取
|
||
dict(type='LoadAnnotations', # 第 2 个流程，对于当前图像，加载它的注释信息
|
||
with_bbox=True) # 是否使用标注框(bounding box)，目标检测需要设置为 True
|
||
]
|
||
|
||
albu_train_transforms = [ # YOLOv5-v6.1 仓库中，引入了 Albumentation 代码库进行图像的数据增广, 请确保其版本为 1.0.+
|
||
dict(type='Blur', p=0.01), # 图像模糊，模糊概率 0.01
|
||
dict(type='MedianBlur', p=0.01), # 均值模糊，模糊概率 0.01
|
||
dict(type='ToGray', p=0.01), # 随机转换为灰度图像，转灰度概率 0.01
|
||
dict(type='CLAHE', p=0.01) # CLAHE(限制对比度自适应直方图均衡化) 图像增强方法，直方图均衡化概率 0.01
|
||
]
|
||
train_pipeline = [ # 训练数据处理流程
|
||
*pre_transform, # 引入前述定义的训练数据读取流程
|
||
dict(
|
||
type='Mosaic', # Mosaic 数据增强方法
|
||
img_scale=img_scale, # Mosaic 数据增强后的图像尺寸
|
||
pad_val=114.0, # 空区域填充像素值
|
||
pre_transform=pre_transform), # 之前创建的 pre_transform 训练数据读取流程
|
||
dict(
|
||
type='YOLOv5RandomAffine', # YOLOv5 的随机仿射变换
|
||
max_rotate_degree=0.0, # 最大旋转角度
|
||
max_shear_degree=0.0, # 最大错切角度
|
||
scaling_ratio_range=(0.5, 1.5), # 图像缩放系数的范围
|
||
border=(-img_scale[0] // 2, -img_scale[1] // 2), # 从输入图像的高度和宽度两侧调整输出形状的距离
|
||
border_val=(114, 114, 114)), # 边界区域填充像素值
|
||
dict(
|
||
type='mmdet.Albu', # mmdet 中的 Albumentation 数据增强
|
||
transforms=albu_train_transforms, # 之前创建的 albu_train_transforms 数据增强流程
|
||
bbox_params=dict(
|
||
type='BboxParams',
|
||
format='pascal_voc',
|
||
label_fields=['gt_bboxes_labels', 'gt_ignore_flags']),
|
||
keymap={
|
||
'img': 'image',
|
||
'gt_bboxes': 'bboxes'
|
||
}),
|
||
dict(type='YOLOv5HSVRandomAug'), # HSV通道随机增强
|
||
dict(type='mmdet.RandomFlip', prob=0.5), # 随机翻转，翻转概率 0.5
|
||
dict(
|
||
type='mmdet.PackDetInputs', # 将数据转换为检测器输入格式的流程
|
||
meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape', 'flip',
|
||
'flip_direction'))
|
||
]
|
||
train_dataloader = dict( # 训练 dataloader 配置
|
||
batch_size=train_batch_size_per_gpu, # 训练时单个 GPU 的 Batch size
|
||
num_workers=train_num_workers, # 训练时单个 GPU 分配的数据加载线程数
|
||
persistent_workers=True, # 如果设置为 True，dataloader 在迭代完一轮之后不会关闭数据读取的子进程，可以加速训练
|
||
pin_memory=True, # 开启锁页内存，节省 CPU 内存拷贝时间
|
||
sampler=dict( # 训练数据的采样器
|
||
type='DefaultSampler', # 默认的采样器，同时支持分布式和非分布式训练。请参考 https://github.com/open-mmlab/mmengine/blob/main/mmengine/dataset/sampler.py
|
||
shuffle=True), # 随机打乱每个轮次训练数据的顺序
|
||
dataset=dict( # 训练数据集的配置
|
||
type=dataset_type,
|
||
data_root=data_root,
|
||
ann_file='annotations/instances_train2017.json', # 标注文件路径
|
||
data_prefix=dict(img='train2017/'), # 图像路径前缀
|
||
filter_cfg=dict(filter_empty_gt=False, min_size=32), # 图像和标注的过滤配置
|
||
pipeline=train_pipeline)) # 这是由之前创建的 train_pipeline 定义的数据处理流程
|
||
```
|
||
|
||
YOLOv5 测试阶段采用 `Letter Resize` 的方法来将所有的测试图像统一到相同尺度，进而有效保留了图像的长宽比。因此我们在验证和评测时，都采用相同的数据流进行推理。
|
||
|
||
```python
|
||
test_pipeline = [ # 测试数据处理流程
|
||
dict(
|
||
type='LoadImageFromFile', # 第 1 个流程，从文件路径里加载图像
|
||
file_client_args=file_client_args), # 文件读取后端的配置，默认从硬盘读取
|
||
dict(type='YOLOv5KeepRatioResize', # 第 2 个流程，保持长宽比的图像大小缩放
|
||
scale=img_scale), # 图像缩放的目标尺寸
|
||
dict(
|
||
type='LetterResize', # 第 3 个流程，满足多种步幅要求的图像大小缩放
|
||
scale=img_scale, # 图像缩放的目标尺寸
|
||
allow_scale_up=False, # 当 ratio > 1 时，是否允许放大图像，
|
||
pad_val=dict(img=114)), # 空区域填充像素值
|
||
dict(type='LoadAnnotations', with_bbox=True), # 第 4 个流程，对于当前图像，加载它的注释信息
|
||
dict(
|
||
type='mmdet.PackDetInputs', # 将数据转换为检测器输入格式的流程
|
||
meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape',
|
||
'scale_factor', 'pad_param'))
|
||
]
|
||
|
||
val_dataloader = dict(
|
||
batch_size=val_batch_size_per_gpu, # 验证时单个 GPU 的 Batch size
|
||
num_workers=val_num_workers, # 验证时单个 GPU 分配的数据加载线程数
|
||
persistent_workers=True, # 如果设置为 True，dataloader 在迭代完一轮之后不会关闭数据读取的子进程，可以加速训练
|
||
pin_memory=True, # 开启锁页内存，节省 CPU 内存拷贝时间
|
||
drop_last=False, # 是否丢弃最后未能组成一个批次的数据
|
||
sampler=dict(
|
||
type='DefaultSampler', # 默认的采样器，同时支持分布式和非分布式训练
|
||
shuffle=False), # 验证和测试时不打乱数据顺序
|
||
dataset=dict(
|
||
type=dataset_type,
|
||
data_root=data_root,
|
||
test_mode=True, # 开启测试模式，避免数据集过滤图像和标注
|
||
data_prefix=dict(img='val2017/'), # 图像路径前缀
|
||
ann_file='annotations/instances_val2017.json', # 标注文件路径
|
||
pipeline=test_pipeline, # 这是由之前创建的 test_pipeline 定义的数据处理流程
|
||
batch_shapes_cfg=dict( # batch shapes 配置
|
||
type='BatchShapePolicy', # 确保在 batch 推理过程中同一个 batch 内的图像 pad 像素最少，不要求整个验证过程中所有 batch 的图像尺度一样
|
||
batch_size=val_batch_size_per_gpu, # batch shapes 策略的 batch size，等于验证时单个 GPU 的 Batch size
|
||
img_size=img_scale[0], # 图像的尺寸
|
||
size_divisor=32, # padding 后的图像的大小应该可以被 pad_size_divisor 整除
|
||
extra_pad_ratio=0.5))) # 额外需要 pad 的像素比例
|
||
|
||
test_dataloader = val_dataloader
|
||
```
|
||
|
||
[评测器](https://mmengine.readthedocs.io/en/latest/tutorials/metric_and_evaluator.html) 用于计算训练模型在验证和测试数据集上的指标。评测器的配置由一个或一组评价指标（Metric）配置组成：
|
||
|
||
```python
|
||
val_evaluator = dict( # 验证过程使用的评测器
|
||
type='mmdet.CocoMetric', # 用于评估检测的 AR、AP 和 mAP 的 coco 评价指标
|
||
proposal_nums=(100, 1, 10), # 用于评估检测任务时，选取的Proposal数量
|
||
ann_file=data_root + 'annotations/instances_val2017.json', # 标注文件路径
|
||
metric='bbox', # 需要计算的评价指标，`bbox` 用于检测
|
||
)
|
||
test_evaluator = val_evaluator # 测试过程使用的评测器
|
||
```
|
||
|
||
由于测试数据集没有标注文件，因此 MMYOLO 中的 `test_dataloader` 和 `test_evaluator` 配置通常等于 `val`。 如果要保存在测试数据集上的检测结果，则可以像这样编写配置：
|
||
|
||
```python
|
||
# 在测试集上推理，
|
||
# 并将检测结果转换格式以用于提交结果
|
||
test_dataloader = dict(
|
||
batch_size=1,
|
||
num_workers=2,
|
||
persistent_workers=True,
|
||
drop_last=False,
|
||
sampler=dict(type='DefaultSampler', shuffle=False),
|
||
dataset=dict(
|
||
type=dataset_type,
|
||
data_root=data_root,
|
||
ann_file=data_root + 'annotations/image_info_test-dev2017.json',
|
||
data_prefix=dict(img='test2017/'),
|
||
test_mode=True,
|
||
pipeline=test_pipeline))
|
||
test_evaluator = dict(
|
||
type='mmdet.CocoMetric',
|
||
ann_file=data_root + 'annotations/image_info_test-dev2017.json',
|
||
metric='bbox',
|
||
format_only=True, # 只将模型输出转换为coco的 JSON 格式并保存
|
||
outfile_prefix='./work_dirs/coco_detection/test') # 要保存的 JSON 文件的前缀
|
||
```
|
||
|
||
### 训练和测试的配置
|
||
|
||
MMEngine 的 Runner 使用 Loop 来控制训练，验证和测试过程。
|
||
用户可以使用这些字段设置最大训练轮次和验证间隔。
|
||
|
||
```python
|
||
max_epochs = 300 # 最大训练轮次 300 轮
|
||
save_epoch_intervals = 10 # 验证间隔，每 10 轮验证一次
|
||
|
||
train_cfg = dict(
|
||
type='EpochBasedTrainLoop', # 训练循环的类型，请参考 https://github.com/open-mmlab/mmengine/blob/main/mmengine/runner/loops.py
|
||
max_epochs=max_epochs, # 最大训练轮次 300 轮
|
||
val_interval=save_epoch_intervals) # 验证间隔，每 10 个 epoch 验证一次
|
||
val_cfg = dict(type='ValLoop') # 验证循环的类型
|
||
test_cfg = dict(type='TestLoop') # 测试循环的类型
|
||
```
|
||
|
||
MMEngine 也支持动态评估间隔，例如你可以在前面 280 epoch 训练阶段中，每间隔 10 个 epoch 验证一次，到最后 20 epoch 训练中每隔 1 个 epoch 验证一次，则配置写法为：
|
||
|
||
```python
|
||
max_epochs = 300 # 最大训练轮次 300 轮
|
||
save_epoch_intervals = 10 # 验证间隔，每 10 轮验证一次
|
||
|
||
train_cfg = dict(
|
||
type='EpochBasedTrainLoop', # 训练循环的类型，请参考 https://github.com/open-mmlab/mmengine/blob/main/mmengine/runner/loops.py
|
||
max_epochs=max_epochs, # 最大训练轮次 300 轮
|
||
val_interval=save_epoch_intervals, # 验证间隔，每 10 个 epoch 验证一次
|
||
dynamic_intervals=[(280, 1)]) # 到 280 epoch 开始切换为间隔 1 的评估方式
|
||
val_cfg = dict(type='ValLoop') # 验证循环的类型
|
||
test_cfg = dict(type='TestLoop') # 测试循环的类型
|
||
```
|
||
|
||
### 优化相关配置
|
||
|
||
`optim_wrapper` 是配置优化相关设置的字段。优化器封装（OptimWrapper）不仅提供了优化器的功能，还支持梯度裁剪、混合精度训练等功能。更多内容请看[优化器封装教程](https://mmengine.readthedocs.io/en/latest/tutorials/optimizer.html).
|
||
|
||
```python
|
||
optim_wrapper = dict( # 优化器封装的配置
|
||
type='OptimWrapper', # 优化器封装的类型。可以切换至 AmpOptimWrapper 来启用混合精度训练
|
||
optimizer=dict( # 优化器配置。支持 PyTorch 的各种优化器。请参考 https://pytorch.org/docs/stable/optim.html#algorithms
|
||
type='SGD', # 随机梯度下降优化器
|
||
lr=0.01, # 基础学习率
|
||
momentum=0.937, # 带动量的随机梯度下降
|
||
weight_decay=0.0005, # 权重衰减
|
||
nesterov=True, # 开启Nesterov momentum，公式详见 http://www.cs.toronto.edu/~hinton/absps/momentum.pdf
|
||
batch_size_per_gpu=train_batch_size_per_gpu), # 该选项实现了自动权重衰减系数缩放
|
||
clip_grad=None, # 梯度裁剪的配置，设置为 None 关闭梯度裁剪。使用方法请见 https://mmengine.readthedocs.io/en/latest/tutorials/optimizer.html
|
||
constructor='YOLOv5OptimizerConstructor') # YOLOv5 优化器构建器
|
||
|
||
```
|
||
|
||
`param_scheduler` 字段用于配置参数调度器（Parameter Scheduler）来调整优化器的超参数（例如学习率和动量）。 用户可以组合多个调度器来创建所需的参数调整策略。 在[参数调度器教程](https://mmengine.readthedocs.io/zh_CN/latest/tutorials/param_scheduler.html) 和参数调度器 API 文档 中查找更多信息。在 MMYOLO 中，未引入任何参数调度器。
|
||
|
||
```python
|
||
param_scheduler = None
|
||
```
|
||
|
||
### 钩子配置
|
||
|
||
用户可以在训练、验证和测试循环上添加钩子，以便在运行期间插入一些操作。配置中有两种不同的钩子字段，一种是 `default_hooks`，另一种是 `custom_hooks`。
|
||
|
||
`default_hooks` 是一个字典，用于配置运行时必须使用的钩子。这些钩子具有默认优先级，如果未设置，runner 将使用默认值。如果要禁用默认钩子，用户可以将其配置设置为 `None`。
|
||
|
||
```python
|
||
default_hooks = dict(
|
||
param_scheduler=dict(
|
||
type='YOLOv5ParamSchedulerHook', # MMYOLO 中默认采用 Hook 方式进行优化器超参数的调节
|
||
scheduler_type='linear',
|
||
lr_factor=0.01,
|
||
max_epochs=max_epochs),
|
||
checkpoint=dict(
|
||
type='CheckpointHook', # 按照给定间隔保存模型的权重的 Hook
|
||
interval=save_epoch_intervals, # 每 10 轮保存 1 次权重文件
|
||
max_keep_ckpts=3)) # 最多保存 3 个权重文件
|
||
```
|
||
|
||
`custom_hooks` 是一个列表。用户可以在这个字段中加入自定义的钩子，例如 `EMAHook`。
|
||
|
||
```python
|
||
custom_hooks = [
|
||
dict(
|
||
type='EMAHook', # 实现权重 EMA(指数移动平均) 更新的 Hook
|
||
ema_type='ExpMomentumEMA', # YOLO 中使用的带动量 EMA
|
||
momentum=0.0001, # EMA 的动量参数
|
||
update_buffers=True, # 是否计算模型的参数和缓冲的 running averages
|
||
priority=49) # 优先级略高于 NORMAL(50)
|
||
]
|
||
```
|
||
|
||
### 运行相关配置
|
||
|
||
```python
|
||
default_scope = 'mmyolo' # 默认的注册器域名，默认从此注册器域中寻找模块。请参考 https://mmengine.readthedocs.io/en/latest/tutorials/registry.html
|
||
|
||
env_cfg = dict(
|
||
cudnn_benchmark=True, # 是否启用 cudnn benchmark, 推荐单尺度训练时开启，可加速训练
|
||
mp_cfg=dict( # 多进程设置
|
||
mp_start_method='fork', # 使用 fork 来启动多进程。‘fork’ 通常比 ‘spawn’ 更快，但可能存在隐患。请参考 https://github.com/pytorch/pytorch/issues/1355
|
||
opencv_num_threads=0), # 关闭 opencv 的多线程以避免系统超负荷
|
||
dist_cfg=dict(backend='nccl'), # 分布式相关设置
|
||
)
|
||
|
||
vis_backends = [dict(type='LocalVisBackend')] # 可视化后端，请参考 https://mmengine.readthedocs.io/zh_CN/latest/advanced_tutorials/visualization.html
|
||
visualizer = dict(
|
||
type='mmdet.DetLocalVisualizer', vis_backends=vis_backends, name='visualizer')
|
||
log_processor = dict(
|
||
type='LogProcessor', # 日志处理器用于处理运行时日志
|
||
window_size=50, # 日志数值的平滑窗口
|
||
by_epoch=True) # 是否使用 epoch 格式的日志。需要与训练循环的类型保存一致。
|
||
|
||
log_level = 'INFO' # 日志等级
|
||
load_from = None # 从给定路径加载模型检查点作为预训练模型。这不会恢复训练。
|
||
resume = False # 是否从 `load_from` 中定义的检查点恢复。 如果 `load_from` 为 None，它将恢复 `work_dir` 中的最新检查点。
|
||
```
|
||
|
||
## 配置文件继承
|
||
|
||
在 `config/_base_` 文件夹目前有运行时的默认设置(default runtime)。由 `_base_` 下的组件组成的配置，被我们称为 _原始配置(primitive)_。
|
||
|
||
对于同一文件夹下的所有配置，推荐**只有一个**对应的**原始配置**文件。所有其他的配置文件都应该继承自这个**原始配置**文件。这样就能保证配置文件的最大继承深度为 3。
|
||
|
||
为了便于理解，我们建议贡献者继承现有方法。例如，如果在 YOLOv5s 的基础上做了一些修改，比如修改网络深度，用户首先可以通过指定 `_base_ = ./yolov5_s-v61_syncbn_8xb16-300e_coco.py` 来集成基础的 YOLOv5 结构，然后修改配置文件中的必要参数以完成继承。
|
||
|
||
如果你在构建一个与任何现有方法不共享结构的全新方法，那么可以在 `configs` 文件夹下创建一个新的例如 `yolov100` 文件夹。
|
||
|
||
更多细节请参考 [MMEngine 配置文件教程](https://mmengine.readthedocs.io/en/latest/tutorials/config.html)。
|
||
|
||
通过设置 `_base_` 字段，我们可以设置当前配置文件继承自哪些文件。
|
||
|
||
当 `_base_` 为文件路径字符串时，表示继承一个配置文件的内容。
|
||
|
||
```python
|
||
_base_ = '../_base_/default_runtime.py'
|
||
```
|
||
|
||
当 `_base_` 是多个文件路径的列表时，表示继承多个文件。
|
||
|
||
```python
|
||
_base_ = [
|
||
'./yolov5_s-v61_syncbn_8xb16-300e_coco.py',
|
||
'../_base_/default_runtime.py'
|
||
]
|
||
```
|
||
|
||
如果需要检查配置文件，可以通过运行 `mim run mmdet print_config /PATH/TO/CONFIG` 来查看完整的配置。
|
||
|
||
### 忽略基础配置文件里的部分内容
|
||
|
||
有时，您也许会设置 `_delete_=True` 去忽略基础配置文件里的一些域内容。 您也许可以参照 [MMEngine 配置文件教程](https://mmengine.readthedocs.io/en/latest/tutorials/config.html) 来获得一些简单的指导。
|
||
|
||
在 MMYOLO 里，例如为了改变 YOLOv5 的主干网络的某些内容：
|
||
|
||
```python
|
||
model = dict(
|
||
type='YOLODetector',
|
||
data_preprocessor=dict(...),
|
||
backbone=dict(
|
||
type='YOLOv5CSPDarknet',
|
||
deepen_factor=deepen_factor,
|
||
widen_factor=widen_factor,
|
||
norm_cfg=dict(type='BN', momentum=0.03, eps=0.001),
|
||
act_cfg=dict(type='SiLU', inplace=True)),
|
||
neck=dict(...),
|
||
bbox_head=dict(...))
|
||
```
|
||
|
||
基础配置的 `YOLOv5` 使用 `YOLOv5CSPDarknet`，在需要将主干网络改成 `YOLOv6EfficientRep` 的时候，因为 `YOLOv5CSPDarknet` 和 `YOLOv6EfficientRep` 中有不同的字段，需要使用 `_delete_=True` 将新的键去替换 `backbone` 域内所有老的键。
|
||
|
||
```python
|
||
_base_ = '../yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py'
|
||
model = dict(
|
||
backbone=dict(
|
||
_delete_=True,
|
||
type='YOLOv6EfficientRep',
|
||
deepen_factor=deepen_factor,
|
||
widen_factor=widen_factor,
|
||
norm_cfg=dict(type='BN', momentum=0.03, eps=0.001),
|
||
act_cfg=dict(type='ReLU', inplace=True)),
|
||
neck=dict(...),
|
||
bbox_head=dict(...))
|
||
```
|
||
|
||
### 使用配置文件里的中间变量
|
||
|
||
配置文件里会使用一些中间变量，例如数据集里的 `train_pipeline`/`test_pipeline`。我们在定义新的 `train_pipeline`/`test_pipeline` 之后，需要将它们传递到 `data` 里。例如，我们想在训练或测试时，改变 YOLOv5 网络的 `img_scale` 训练尺度并在训练时添加 `YOLOv5MixUp` 数据增强，`img_scale/train_pipeline/test_pipeline` 是我们想要修改的中间变量。
|
||
|
||
**注**：使用 `YOLOv5MixUp` 数据增强时，需要将 `YOLOv5MixUp` 之前的训练数据处理流程定义在其 `pre_transform` 中。详细过程和图解可参见 [YOLOv5 原理和实现全解析](../algorithm_descriptions/yolov5_description.md)。
|
||
|
||
```python
|
||
_base_ = './yolov5_s-v61_syncbn_8xb16-300e_coco.py'
|
||
|
||
img_scale = (1280, 1280) # 高度，宽度
|
||
affine_scale = 0.9 # 仿射变换尺度
|
||
|
||
mosaic_affine_pipeline = [
|
||
dict(
|
||
type='Mosaic',
|
||
img_scale=img_scale,
|
||
pad_val=114.0,
|
||
pre_transform=pre_transform),
|
||
dict(
|
||
type='YOLOv5RandomAffine',
|
||
max_rotate_degree=0.0,
|
||
max_shear_degree=0.0,
|
||
scaling_ratio_range=(1 - affine_scale, 1 + affine_scale),
|
||
border=(-img_scale[0] // 2, -img_scale[1] // 2),
|
||
border_val=(114, 114, 114))
|
||
]
|
||
|
||
train_pipeline = [
|
||
*pre_transform, *mosaic_affine_pipeline,
|
||
dict(
|
||
type='YOLOv5MixUp', # YOLOv5 的 MixUp (图像混合) 数据增强
|
||
prob=0.1, # MixUp 概率
|
||
pre_transform=[*pre_transform,*mosaic_affine_pipeline]), # MixUp 之前的训练数据处理流程，包含 数据预处理流程、 'Mosaic' 和 'YOLOv5RandomAffine'
|
||
dict(
|
||
type='mmdet.Albu',
|
||
transforms=albu_train_transforms,
|
||
bbox_params=dict(
|
||
type='BboxParams',
|
||
format='pascal_voc',
|
||
label_fields=['gt_bboxes_labels', 'gt_ignore_flags']),
|
||
keymap={
|
||
'img': 'image',
|
||
'gt_bboxes': 'bboxes'
|
||
}),
|
||
dict(type='YOLOv5HSVRandomAug'),
|
||
dict(type='mmdet.RandomFlip', prob=0.5),
|
||
dict(
|
||
type='mmdet.PackDetInputs',
|
||
meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape', 'flip',
|
||
'flip_direction'))
|
||
]
|
||
|
||
test_pipeline = [
|
||
dict(
|
||
type='LoadImageFromFile',
|
||
file_client_args={{_base_.file_client_args}}),
|
||
dict(type='YOLOv5KeepRatioResize', scale=img_scale),
|
||
dict(
|
||
type='LetterResize',
|
||
scale=img_scale,
|
||
allow_scale_up=False,
|
||
pad_val=dict(img=114)),
|
||
dict(type='LoadAnnotations', with_bbox=True),
|
||
dict(
|
||
type='mmdet.PackDetInputs',
|
||
meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape',
|
||
'scale_factor', 'pad_param'))
|
||
]
|
||
|
||
train_dataloader = dict(dataset=dict(pipeline=train_pipeline))
|
||
val_dataloader = dict(dataset=dict(pipeline=test_pipeline))
|
||
test_dataloader = dict(dataset=dict(pipeline=test_pipeline))
|
||
```
|
||
|
||
我们首先定义新的 `train_pipeline`/`test_pipeline` 然后传递到 `data` 里。
|
||
|
||
同样的，如果我们想从 `SyncBN` 切换到 `BN` 或者 `MMSyncBN`，我们需要修改配置文件里的每一个 `norm_cfg`。
|
||
|
||
```python
|
||
_base_ = './yolov5_s-v61_syncbn_8xb16-300e_coco.py'
|
||
norm_cfg = dict(type='BN', requires_grad=True)
|
||
model = dict(
|
||
backbone=dict(norm_cfg=norm_cfg),
|
||
neck=dict(norm_cfg=norm_cfg),
|
||
...)
|
||
```
|
||
|
||
### 复用 \_base\_ 文件中的变量
|
||
|
||
如果用户希望在当前配置中复用 `_base_` 文件中的变量，则可以通过使用 `{{_base_.xxx}}` 的方式来获取对应变量的拷贝。而在新版 MMEngine 中，还支持省略 `{{}}` 的写法。例如：
|
||
|
||
```python
|
||
_base_ = '../_base_/default_runtime.py'
|
||
|
||
file_client_args = {{_base_.file_client_args}} # 变量 file_client_args 等于 _base_ 中定义的 file_client_args
|
||
pre_transform = _base_.pre_transform # 变量 pre_transform 等于 _base_ 中定义的 pre_transform
|
||
```
|
||
|
||
## 通过脚本参数修改配置
|
||
|
||
当运行 `tools/train.py` 和 `tools/test.py` 时，可以通过 `--cfg-options` 来修改配置文件。
|
||
|
||
- 更新字典链中的配置
|
||
|
||
可以按照原始配置文件中的 dict 键顺序地指定配置预选项。例如，使用 `--cfg-options model.backbone.norm_eval=False` 将模型主干网络中的所有 BN 模块都改为 `train` 模式。
|
||
|
||
- 更新配置列表中的键
|
||
|
||
在配置文件里，一些字典型的配置被包含在列表中。例如，数据训练流程 `data.train.pipeline` 通常是一个列表，比如 `[dict(type='LoadImageFromFile'), ...]`。如果需要将 `'LoadImageFromFile'` 改成 `'LoadImageFromWebcam'`，需要写成下述形式：`--cfg-options data.train.pipeline.0.type=LoadImageFromNDArray`.
|
||
|
||
- 更新列表或元组的值
|
||
|
||
如果要更新的值是列表或元组。例如，配置文件通常设置 `model.data_preprocessor.mean=[123.675, 116.28, 103.53]`。如果需要改变这个键，可以通过 `--cfg-options model.data_preprocessor.mean="[127,127,127]"` 来重新设置。需要注意，引号 `"` 是支持列表或元组数据类型所必需的，并且在指定值的引号内**不允许**有空格。
|
||
|
||
## 配置文件名称风格
|
||
|
||
我们遵循以下样式来命名配置文件。建议贡献者遵循相同的风格。
|
||
|
||
```
|
||
{algorithm name}_{model component names [component1]_[component2]_[...]}-[version id]_[norm setting]_[data preprocessor type]_{training settings}_{training dataset information}_{testing dataset information}.py
|
||
```
|
||
|
||
文件名分为 8 个部分，其中 4 个必填部分、4 个可选部分。 每个部分用 `_` 连接，每个部分内的单词应该用 `-` 连接。`{}` 表示必填部分，`[]` 表示选填部分。
|
||
|
||
- `{algorithm name}`: 算法的名称。 它可以是检测器名称，例如 `yolov5`, `yolov6`, `yolox` 等。
|
||
- `{component names}`: 算法中使用的组件名称，如 backbone、neck 等。例如 yolov5_s代表其深度缩放因子`deepen_factor=0.33` 以及其宽度缩放因子 `widen_factor=0.5`。
|
||
- `[version_id]` (可选): 由于 YOLO 系列算法迭代速度远快于传统目标检测算法，因此采用 `version id` 来区分不同子版本之间的差异。例如 YOLOv5 的 3.0 版本采用 `Focus` 层作为第一个下采样层，而 6.0 以后的版本采用 `Conv` 层作为第一个下采样层。
|
||
- `[norm_setting]` (可选): `bn` 表示 `Batch Normalization`， `syncbn` 表示 `Synchronized Batch Normalization`。
|
||
- `[data preprocessor type]` (可选): `fast` 表示调用 `YOLOv5DetDataPreprocessor` 并配合 `yolov5_collate` 进行数据预处理，训练速度比默认的 `mmdet.DetDataPreprocessor` 更快，但是对多任务处理的灵活性较低。
|
||
- `{training settings}`: 训练设置的信息，例如 batch 大小、数据增强、损失、参数调度方式和训练最大轮次/迭代。 例如：`8xb16-300e_coco` 表示使用 8 个 gpu 每个 gpu 16 张图，并训练 300 个 epoch。
|
||
缩写介绍:
|
||
- `{gpu x batch_per_gpu}`: GPU 数和每个 GPU 的样本数。`bN` 表示每个 GPU 上的 batch 大小为 N。例如 `4x4b` 是 4 个 GPU 每个 GPU 4 张图的缩写。如果没有注明，默认为 8 卡每卡 2 张图。
|
||
- `{schedule}`: 训练方案，MMYOLO 中默认为 300 个 epoch。
|
||
- `{training dataset information}`: 训练数据集，例如 `coco`, `cityscapes`, `voc-0712`, `wider-face`, `balloon`。
|
||
- `[testing dataset information]` (可选): 测试数据集，用于训练和测试在不同数据集上的模型配置。 如果没有注明，则表示训练和测试的数据集类型相同。
|