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 03:24:54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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp课程中英语学习模块的提示信息优化建议2 freeCodeCamp项目中移除未使用的CSS样式优化指南3 freeCodeCamp正则表达式教学视频中的语法修正4 freeCodeCamp课程中事件传单页面的CSS选择器问题解析5 freeCodeCamp项目中从ts-node迁移到tsx的技术决策分析6 freeCodeCamp正则表达式课程中反向引用示例代码修正分析7 freeCodeCamp课程中排版基础概念的优化探讨8 freeCodeCamp计算机基础课程中主板与CPU概念的精确表述 9 freeCodeCamp钢琴设计项目中的CSS盒模型设置优化10 freeCodeCamp猫照片应用HTML教程中的元素嵌套优化建议
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5