码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • mmdetection使用wandb查看训练日志


    mmdetection查看日志之前一直是在用TextLoggerHook,已经觉得挺方便的了,自从用了wandb之后,发现wandb真不错,看log更方便了,回不去了。

    wandb的简单配置:

    wandb官网:https://wandb.ai/

    wandb官方给的配置教程:MMDetection - Documentation(中文版) MMDetection - Documentation(英文版) 英文版有动态图片,比较直观。

    首先你要去官网注册一个账号,然后去授权页面拿到私钥:Weights & Biases Authorize

    在服务器安装wandb,并且用私钥登录

    pip install wandb
    wandb login
    

    在配置文件里将log_config改为下面样式就可以了

    基于mmcv版本的:

    log_config = dict(interval=10,
                      hooks=[
                          dict(
                              type='MMDetWandbHook',
                              init_kwargs=dict(project='mmclassification',
                                               name='convnext-large_in21k-pre-3rdparty_64xb64_in1k',
                                               tags=['convnext-large',]),
                              interval=20,
                              log_checkpoint=False,
                              log_checkpoint_metadata=False,
                              num_eval_images=50)])
    
    '
    运行

    基于mmengine版本的:

    vis_backends = [
        dict(type="LocalVisBackend"),
        dict(
            type="WandbVisBackend",
            init_kwargs={"project": "mmlab", "name": "faster_rcnn"},
        ),
    ]
    visualizer = dict(
        type="UniversalVisualizer",
        vis_backends=vis_backends,
    )
    
    '
    运行

    下面是一些解释说明,来源于wandb官方给的配置教程。

    名称描述
    init_kwargs(dict) 传递给 wandb.init 以启动W&B运行的 dict。一般用到的有project,name,更多的键值对可以参考:wandb.init - Documentation
    interval(int) 记录间隔(每k次迭代)。默认值为 50
    log_checkpoint(bool) 在每次检查点间隔时将检查点保存为 W&B 工件。其可用于模型版本控制,其中各版本均为检查点。默认值为False
    log_checkpoint_metadata(bool) 将在验证数据上计算的评估指标与检查点,以及当前epoch一起记录为该检查点的元数据。默认值为True
    num_eval_images(int) 需记录的验证图像数。如果为 0,则评估将不会被记录。默认值为100
    bbox_score_thr(float) 边界框分数阈值。默认值为0.3

    完成上面简单几步之后,就可以愉快的训练了。

    image-20220926220147088

    在Artifacts页面,你可以看到你模型的可视化输出,包括训练的模型中预测的图片,和数据集真实的图片。

    image-20220927095941311

    点击放大按钮可以放大图片,非常方便啊。

    image-20220927100211486

  • 相关阅读:
    Go并发:使用sync.Pool来性能优化
    软考中级(系统集成项目管理工程师)高频考点
    CY3/5/7/FITC荧光素标记乳糖/蜜二糖/单乙酰氨基半乳糖
    软件测试技术之如何编写测试用例(6)
    vue项目打包时如何将静态文件打包到一个单独的文件夹
    6.19-MyBatis源码—体系介绍和配置文件解析源码剖析
    【无标题】markdow 模板
    数据库模式笔记 --- 如何在开发中选择合适的数据库+关系型数据库是谁发明的?
    【Qt之Model/View】编程
    GPU编程基础-CUDA实现图像处理
  • 原文地址:https://blog.csdn.net/qq_39435411/article/details/127096108
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号