PromptDet项目教程
2025-04-21 08:43:15作者:昌雅子Ethen
1. 项目目录结构及介绍
PromptDet项目的目录结构如下:
PromptDet/
├── .dev_scripts/
├── configs/
├── data/
├── demo/
├── docker/
├── docs/
├── docs_zh-CN/
├── mmdet/
├── promptdet_resources/
├── requirements/
├── resources/
├── tests/
├── tools/
├── .pre-commit-config.yaml
├── CITATION.cff
├── LICENSE
├── MANIFEST.in
├── README.md
├── model-index.yml
├── pytest.ini
├── requirements.txt
├── setup.cfg
├── setup.py
- .dev_scripts/: 开发者脚本目录,包含项目开发过程中使用的脚本。
- configs/: 配置文件目录,包含项目的各种配置文件。
- data/: 数据目录,用于存放项目所需的数据集。
- demo/: 示例目录,包含项目使用示例。
- docker/: Docker相关文件目录,用于容器化项目。
- docs/: 英文文档目录,包含项目的英文说明文档。
- docs_zh-CN/: 中文文档目录,包含项目的中文说明文档。
- mmdet/: MMDetection相关代码目录,MMDetection是一个开源的目标检测框架。
- promptdet_resources/: PromptDet资源目录,包含项目所需的预训练模型和其他资源。
- requirements/: 项目依赖文件目录,包含项目运行所需的依赖。
- resources/: 资源目录,包含项目使用的其他资源文件。
- tests/: 测试目录,包含项目的单元测试和集成测试。
- tools/: 工具脚本目录,包含项目使用的工具脚本。
- CITATION.cff: 项目引用文件,用于记录如何引用该项目。
- LICENSE: 项目许可证文件,Apache-2.0协议。
- MANIFEST.in: 打包配置文件,用于定义打包时包含的文件。
- README.md: 项目自述文件,包含项目的基本介绍。
- model-index.yml: 模型索引文件,用于记录模型的相关信息。
- pytest.ini: Pytest配置文件,用于配置单元测试。
- requirements.txt: 项目依赖文件,用于定义项目所需的Python包。
- setup.cfg: 打包配置文件,用于定义项目的打包参数。
- setup.py: 项目安装脚本,用于安装项目作为Python包。
2. 项目的启动文件介绍
项目的启动主要通过tools/目录下的脚本进行,以下是几个主要的启动文件:
- dist_train.sh: 分布式训练脚本,用于启动训练过程。
- dist_test.sh: 分布式测试脚本,用于启动测试过程。
这些脚本通常需要结合配置文件使用,下面将介绍配置文件。
3. 项目的配置文件介绍
配置文件位于configs/目录下,这些文件定义了项目运行时的参数。以下是一些主要的配置文件:
- promptdet_r50_fpn_sample1e-3_mstrain_1x_lvis_v1.py: 这个文件定义了使用ResNet50和FPN网络结构的模型配置,以及使用LVIS v1数据集的训练参数。
- promptdet_r50_fpn_sample1e-3_mstrain_1x_lvis_v1_self_train.py: 与上述配置类似,但增加了自我训练的参数,用于在未标记数据上进行训练。
配置文件通常包含以下部分:
- 模型配置:定义了所使用的模型结构及其参数。
- 数据配置:定义了数据集的路径、加载方式等。
- 训练配置:定义了训练过程中的参数,如学习率、迭代次数等。
- 测试配置:定义了测试过程中的参数。
用户可以根据自己的需求修改这些配置文件,以适应不同的运行环境或实验设计。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust069- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
687
4.45 K
Ascend Extension for PyTorch
Python
540
664
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
386
69
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
953
919
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
646
230
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
322
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (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
1.59 K
923
昇腾LLM分布式训练框架
Python
145
172
暂无简介
Dart
935
234