Hi-FT/ERD项目训练指南:从标准数据集到自定义数据集
2025-06-19 03:17:01作者:裘旻烁
项目概述
Hi-FT/ERD是一个基于MMDetection框架的目标检测与实例分割项目,提供了丰富的预训练模型和灵活的配置选项。本文将详细介绍如何在标准数据集和自定义数据集上进行模型训练,帮助用户快速上手项目并应用于实际场景。
标准数据集训练
准备工作
在开始训练前,需要确保已经准备好标准数据集(如COCO)。数据集应按照项目要求的格式组织,通常包括图像文件和对应的标注文件。
重要提示:某些配置文件(如configs/cityscapes
下的配置)使用COCO预训练权重进行初始化。如果网络连接不稳定,建议提前下载好预训练模型以避免训练初期出现错误。
学习率自动缩放机制
项目支持学习率自动缩放功能,这是基于线性扩展规则实现的。默认配置针对8块GPU(每块2张图像,总batch size=16)设置。关键点包括:
- 自动缩放功能默认关闭,需通过
--auto-scale-lr
参数启用 - 配置文件中
auto_scale_lr.base_batch_size
定义了基准batch size - 不同配置文件的默认batch size可能不同,可通过文件名识别(如
_NxM_
表示N GPU×M图像)
使用示例:
python tools/train.py config_file --auto-scale-lr
训练方式
单GPU训练
基本命令格式:
python tools/train.py config_file [可选参数]
常用参数说明:
--work-dir
:指定工作目录--resume-from
:从检查点恢复训练(保留优化器状态和迭代次数)--no-validate
:关闭训练过程中的验证(不推荐)
CPU训练
虽然支持,但由于性能问题仅建议用于调试:
export CUDA_VISIBLE_DEVICES=-1
python tools/train.py config_file
多GPU训练
使用分布式训练脚本:
bash ./tools/dist_train.sh config_file GPU数量 [可选参数]
多任务并行时需指定不同端口避免冲突:
CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=29500 ./tools/dist_train.sh config_file 4
CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 ./tools/dist_train.sh config_file 4
多机训练
通过以太网连接的多机训练命令: 第一台机器:
NNODES=2 NODE_RANK=0 PORT=MASTER_PORT MASTER_ADDR=MASTER_ADDR sh tools/dist_train.sh config_file GPUS
第二台机器:
NNODES=2 NODE_RANK=1 PORT=MASTER_PORT MASTER_ADDR=MASTER_ADDR sh tools/dist_train.sh config_file GPUS
Slurm集群管理
在Slurm管理的集群上训练:
GPUS=16 ./tools/slurm_train.sh 分区名称 任务名称 配置文件 工作目录
端口设置建议通过--options
参数实现,避免修改原始配置文件:
--options 'dist_params.port=29500'
自定义数据集训练
数据集准备
项目支持三种自定义数据集方式:
- 转换为COCO格式(推荐)
- 转换为中间格式
- 实现全新数据集类
以balloon数据集为例,转换到COCO格式的关键步骤包括:
- 解析原始标注文件
- 构建COCO格式所需的images、annotations和categories字段
- 处理多边形标注和边界框信息
转换后的标注文件示例结构:
{
"images": [{"id": 0, "file_name": "image1.jpg", ...}],
"annotations": [{"image_id": 0, "category_id": 0, ...}],
"categories": [{"id": 0, "name": "balloon"}]
}
配置文件调整
基于现有配置修改是最高效的方式。以Mask R-CNN为例:
- 修改基础配置路径
- 调整模型head中的类别数
- 配置数据集路径和元信息
- 设置数据加载器和评估器
关键配置示例:
_base_ = '../mask_rcnn/base_config.py'
model = dict(
roi_head=dict(
bbox_head=dict(num_classes=1), # 修改为自定义类别数
mask_head=dict(num_classes=1)))
metainfo = {
'classes': ('balloon',), # 自定义类别名称
'palette': [(220, 20, 60)] # 可视化颜色
}
训练与评估
启动训练:
python tools/train.py configs/balloon/custom_config.py
模型测试:
python tools/test.py configs/balloon/custom_config.py work_dirs/checkpoint.pth
最佳实践建议
- 数据准备:确保标注质量,特别是边界框和多边形标注的准确性
- 学习率设置:对于小数据集,建议使用较小的学习率
- 预训练权重:尽量使用与目标领域相近的预训练模型
- 验证频率:根据数据集大小调整验证间隔,大数据集可适当减少验证频率
- 可视化分析:定期检查训练日志和预测结果,及时发现问题
通过本指南,用户应该能够顺利地在Hi-FT/ERD项目上开展从标准数据集到自定义数据集的模型训练工作。根据实际需求调整配置和参数,可以获得更好的模型性能。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8