MMDetection训练过程中epoch异常递减问题解析

在使用MMDetection框架进行自定义模型训练时，可能会遇到一个特殊现象：训练epoch从1开始，在第一次验证后递减至0，最终在epoch 0结束。这种现象通常发生在对模型输入进行自定义修改后，而使用原始模型输入时则不会出现。本文将深入分析这一问题的成因及解决方案。

问题现象描述

当开发者对MMDetection框架中的模型输入进行自定义修改后，训练过程中会出现以下异常表现：

1. 训练epoch计数从1开始，而非从0开始
2. 在完成第一次验证后，epoch数值会递减
3. 训练过程最终在epoch 0终止
4. 无论设置的最大epoch数是多少，实际训练仅维持2个epoch
5. 每个epoch的预计剩余时间(ETA)显示异常，如"-1天24小时"

问题根源分析

这一异常现象的根本原因在于自定义实现中缺少对训练循环关键参数的完整配置。具体来说：

1. Runner类配置不完整：当开发者自定义Runner类及对应的Loop类和Model类时，需要完整地继承和配置所有必要的训练参数。

2. 关键训练参数缺失：特别是以下几个控制训练进度的参数未被正确设置：

   • max_epochs：最大训练轮数
   • max_iters：最大迭代次数
   • epoch：当前epoch计数
   • iter：当前迭代计数

3. 参数更新机制异常：由于这些关键参数未被正确初始化或更新，导致训练进度跟踪系统无法正常工作，从而出现epoch倒计时的异常现象。

解决方案

要解决这一问题，开发者需要确保在自定义实现中正确处理以下方面：

1. 完整继承基类功能：自定义Runner类时，应当确保继承父类的所有关键方法和属性，特别是与训练进度相关的部分。

2. 显式初始化训练参数：在自定义类的初始化过程中，必须明确设置以下参数：

   self._max_epochs = max_epochs  # 设置最大训练轮数
   self._max_iters = max_iters    # 设置最大迭代次数
   self._epoch = 0                # 初始化当前epoch为0
   self._iter = 0                 # 初始化当前迭代为0
   

3. 实现正确的参数更新逻辑：在训练循环中，确保epoch和iter的更新逻辑符合预期：

   def train_loop(self):
       while self._epoch < self._max_epochs:
           # 训练逻辑...
           self._epoch += 1  # 正确递增epoch计数
   

4. 验证ETA计算机制：检查时间预估相关的代码，确保其基于正确的epoch和iter进行计算。

最佳实践建议

为了避免类似问题，在使用MMDetection进行自定义开发时，建议：

1. 充分理解框架机制：在修改核心组件前，先深入理解MMDetection的训练流程控制机制。

2. 逐步验证修改：每次只做一处修改，并验证训练流程是否正常。

3. 参考官方实现：自定义组件时，以官方实现为模板，确保不遗漏关键参数和方法。

4. 添加完整性检查：在自定义类中增加参数完整性验证，确保所有必要参数都已正确初始化。

通过以上分析和解决方案，开发者可以有效地解决MMDetection训练过程中epoch异常递减的问题，确保自定义模型的训练流程按预期进行。