FOTS.PyTorch 项目使用教程

1. 项目目录结构及介绍

FOTS.PyTorch/
├── FOTS/
│   ├── datasets/
│   ├── runs/
│   ├── scripts/
│   ├── tests/
│   ├── vision-0.9.0/
│   ├── flake8
│   ├── gitignore
│   ├── LICENSE
│   ├── README.md
│   ├── build.sh
│   ├── eval.py
│   ├── finetune.json
│   ├── pretrain.json
│   ├── reqs.txt
│   ├── spec-file.txt
│   └── train.py
├── datasets/
├── runs/
├── scripts/
└── tests/

目录结构介绍

• FOTS/: 项目的主要代码目录。
  • datasets/: 存放数据集相关文件。
  • runs/: 存放训练和评估的运行日志。
  • scripts/: 存放一些辅助脚本。
  • tests/: 存放测试代码。
  • vision-0.9.0/: 可能是一个依赖库的目录。
  • flake8: 代码风格检查工具配置文件。
  • gitignore: Git 忽略文件配置。
  • LICENSE: 项目许可证文件。
  • README.md: 项目说明文档。
  • build.sh: 构建脚本。
  • eval.py: 评估脚本。
  • finetune.json: 微调配置文件。
  • pretrain.json: 预训练配置文件。
  • reqs.txt: 项目依赖文件。
  • spec-file.txt: Conda 环境配置文件。
  • train.py: 训练脚本。

2. 项目启动文件介绍

train.py

train.py 是项目的启动文件，用于启动训练过程。以下是启动训练的命令示例：

python train.py -c pretrain.json

参数说明

• -c: 指定配置文件路径，例如 pretrain.json 或 finetune.json。

eval.py

eval.py 用于评估训练好的模型。以下是启动评估的命令示例：

python eval.py -c finetune.json -m <your_ckpt> -i <icdar2015_folder> --detection -o /results --cuda --size "1280 720" --bs 2 --gpu 1

参数说明

• -c: 指定配置文件路径。
• -m: 指定模型权重文件路径。
• -i: 指定数据集目录。
• --detection: 仅评估检测部分。
• -o: 指定输出结果目录。
• --cuda: 使用 CUDA 加速。
• --size: 指定输入图像的尺寸。
• --bs: 指定批处理大小。
• --gpu: 指定使用的 GPU ID。

3. 项目的配置文件介绍

pretrain.json

pretrain.json 是预训练阶段的配置文件，包含训练所需的各种参数设置。

finetune.json

finetune.json 是微调阶段的配置文件，包含微调所需的各种参数设置。

配置文件示例

{
  "batch_size": 8,
  "learning_rate": 0.001,
  "num_epochs": 100,
  "data_dir": "path/to/dataset",
  "output_dir": "path/to/output",
  "model_path": "path/to/model",
  "use_cuda": true,
  "gpu_id": 0
}

配置项说明

• batch_size: 批处理大小。
• learning_rate: 学习率。
• num_epochs: 训练轮数。
• data_dir: 数据集目录。
• output_dir: 输出目录。
• model_path: 模型权重文件路径。
• use_cuda: 是否使用 CUDA 加速。
• gpu_id: 使用的 GPU ID。

通过以上配置文件，可以灵活调整训练和评估过程中的各项参数。