OpenMM最佳食用手册 && 其他

OpenMM用法

• 该仓库收录于PytorchNetHub
• 荣誉证书

MMEngine

• Hook用法 教程1 教程2
• 为模型不同模块分别指定学习率

MMCV

• 验证图像完整性 教程

MMPretrain

• 下游识别模型加载自监督预训练权重 教程
• 训练时加载预训练权重 教程
• 自监督模型&识别模型 如何导出ONNX

  from mmpretrain import get_model
  
  model_name="mocov3_vit-base-p16_16xb256-amp-coslr-300e_in1k"
  pretrained="./mocov3_vit-base-p16_16xb256-amp-coslr-300e_in1k-224_20220826-25213343.pth"
  
  model = get_model(model_name, pretrained=pretrained)
  
  torch_model=model.backbone  # 自监督模型，与model.extract_feat等价,仅包含backbone
  torch_model=model  # 识别模型，包含backbone、neck、head
  
  torch_model.eval()
  onnx_path="./model.onnx" # 文件夹
  
  imgs = torch.ones(tuple([1,3,224,224]))
  with torch.no_grad():
      torch.onnx.export(
              torch_model,
              imgs,
              onnx_path,
              verbose=False,
              opset_version=17,
              input_names=["input"],
              output_names=["output"],
              dynamic_axes={"input": {0: "batch"}, "output": {0: "batch"}}, # Batch维度动态
          )

  • 无需修改Config文件，使用命令行传参

  bash ./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} ${NNODES}  \
  --cfg-options resume=${RESUME} \
  --cfg-options train_dataloader.batch_size=${BATCH} \
  --cfg-options train_dataloader.dataset.ann_file=${TRAIN_TXT} \
  ...

MMYOLO目标检测

---

二 其他

Transformers用法

• Siglip导出ONNX

以下内容已过时

## MMClassification图像识别

整体框架图

配置文件-官方教程

优势

• 模型库：支持内置库、timm、huggingface
• 任务：支持单任务、多任务、TTA测试等

用法

• 启用timm模型库

  model = dict(
      _delete_=True,
      type="TimmClassifier",
      model_name="swinv2_base_window16_256",
      pretrained=True, # timm接口参数
      loss=xxx,
      train_cfg=xxx,
  )

• 命令行改参数

  bash ./tools/dist_train.sh  xx.py  --amp  --cfg-options train_dataloader.batch_size=12

MMSelfSup自监督

• 比较两个图像的相似度 代码
• 自定义数据集训练 代码