水铝英石

MMClassification_MobileNetv2_3_train

默认看到这篇文章时已配置好config文件,如果没有配置可以回到这篇文章

打开prompt激活对应环境进入mmcls目录,运行以下命令

python .\tools\train.py .\configs\mobilenet_v2\mobilenet_v2_b32x8_imagenet_user.py --work-dir work_dirs/mobilenet_new

如果你是和我一样,使用在windows环境下硬件编译的,那么可能遇到这个问题

'tail' 不是内部或外部命令,也不是可运行的程序
或批处理文件。
'gcc' 不是内部或外部命令,也不是可运行的程序
或批处理文件。


这两个命令不要担心,tail是linux命令,gcc是 GNU Compiler Collection,GNU编译器套件。个人感觉是多系统匹配的遗留问题,在build时已经安装cython了
在网上有人复现了win下的tail命令,gcc报错可以通过安装minGW解决,不过即使你解决了以上两个问题,也会遇到

'head' 不是内部或外部命令,也不是可运行的程序
或批处理文件。

head也是Linux命令,这个,网上无人复现,无解,但是和以上两个错误不影响运行(我想万一真的复现了head命令,后面可能都提示会缺少ls命令(╯‵□′)╯︵┻━┻)

运行结束后在保存目录下会存在以下文件目录,

  • tf_logs是tensorboard保存的目录,如果没有在config里设置就不会有
  • .log 存放本机信息,以及组合后的字典文件,这个文件在开始训练时就会出现,可以考虑训练后马上ctrl+C把程序cut掉,在用该文件代替原config文件
  • .json文件里存放了训练的各种数据,包括但不限于损失、准确率、训练时间等信息(如果是单纯分类问题也没太多可计算的)
  • .pth文件是训练出的模型文件

至于测试模型,可以通过demo下的image_demo.py完成

python demo/image_demo.py {test_img} {config} {checkpoint}

至于json文件,可以通过tools下的analyze_log.py完成?不好意思,这个只mmdet里有,mmcls的意义不大?就 没 有 了 ?(可以拿过来,也可以自己写)

不过可视化可以通过tensorboard文件实现,可以在prompt中输入以下命令启动,并进入http://localhost:6006/来查看训练信息

tensorboard --logdir=work_dirs/mobilenet_new/tf_logs/

发表评论

邮箱地址不会被公开。 必填项已用*标注

滚动到顶部