[MMDetection 3.0] 정리

MMDetection (ver. 3)을 사용하면서 필요한 설정 방법들 정리 POST

MMDetection (ver. 2) 사용법 (기본적인 내용)

https://greeksharifa.github.io/references/2021/08/30/MMDetection/

Python, Machine & Deep Learning

---

Mask(Instance or Segmentation) 모델을 Detection 모델로 학습하기 위한 Config 파일 수정

예를들어, mask_rcnn 모델을 Detection Task로 학습시키고 싶을때 다음 Config 파일의 다음 부분을 수정하면 된다.

1. model

model = dict(
    ...
    mask_head = None,
    mask_roi_extractor = None,
    ... )

2. train_cfg

train_cfg = dict(
    ...
    mask_size = 0
    ... )

3. train_pipeline

train_pipeline = [
    ...
    dict(type='LoadAnnotations', with_bbox=True, with_mask=False),
    ...
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels'])
    ... ]

4. evaluation

evaludation = dict(interval=1, metric='bbox')

5. SynBN to BN

roi_head.bbox_head.norm_cfg = dict(type='BN', requires_grad=True)

---

Multi GPU (Distributed Train) 사용 방법

$ tools/dist_train.sh [config_file_dir] [gpu_num] [config]

$ tools/dist_train.sh custom/dino.py 2 --cfg-options randomness.seed=909 --work-dir work_dirs/dino

만약 RuntimeError: Address already in use 에러가 뜬다면, 해당 포트를 사용중이기 때문에 lsof -i 명령어로 사용중인 포트를 확인 후 kill -9 [pid_nume] 을 사용해 종료해준 후 실행한다.

---

Confusion Matrix 확인 방법

1. Train Dataset 또는 Valid Dataset Inference 결과 출력하기

python tools/test.py [config file] [.pth file] --out [결과를 저장할 위치 (.pkl)]

python tools/test.py custom/efficientdet_~~.py work_dirs/efficientdet_~~/best.pth --out work_dirs/efficientdet_~~/output.pkl

---

Gradient Accumulative 적용

1. accumulative_counts=8 를 넣어준다. Github

# optimizer
optim_wrapper = dict(
    type='OptimWrapper',
    accumulative_counts=8, # grad accumulative
    optimizer=dict(
        type='AdamW',
        lr=0.0001,  # 0.0002 for DeformDETR
        weight_decay=0.0001),
    # clip_grad=dict(max_norm=0.1, norm_type=2)
    clip_grad=dict(max_norm=35, norm_type=2),
    paramwise_cfg=dict(custom_keys={'backbone': dict(lr_mult=0.1)})
)  # custom_keys contains sampling_offsets and reference_points in DeformDETR  # noqa