更多模型，更强功能，快来开箱新一代图像分类开源框架

MMClassification 是 OpenMMLab 生态面向图像分类的开源算法库，主要涵盖了计算机视觉领域丰富的基础模型架构。

2020 年 10 月，MMClassification 发布了首个版本，集成了当时的主流分类模型；2021 年 9 月，MMClassification 发布了 v0.16.0 版本，提供了对下游检测，分割等任务的较为完善的支持；2022 年 9 月，我们发布了 MMClassification v1.0.0rc，全面升级了架构设计，适配全新的 OpenMMLab 2.0 体系。

我们接下来将从 全新架构设计，更完善的功能，更丰富的算法库，更易用的模型部署四个方面，对全新升级的 MMClassification 1.0 进行介绍。

全新架构设计

在 MMClassification 原有的架构设计中，对于一个典型的模型训练过程，我们可以发现各个模块的构建被分散在了脚本、MMClassification 库函数、MMCV 库函数中（如图 1 所示）模型的前向传播，反向更新分散在执行器和钩子中，这对于用户理解训练流程带来了很多困难，用户需要自定义修改时容易找不到位置。

在新的架构中，MMEngine 的执行器集中了所有的模块构建功能，训练脚本只用于最基本的配置解析（如图 2 所示），这样新的训练流程不仅逻辑更加清晰，大大减少了代码量，还能为用户带来更方便的模型调试体验，让用户灵活地定义模型的前向和方向过程。

图 1：原架构训练逻辑

图 2：新架构训练逻辑

更完善的功能

跨项目引用配置文件

OpenMMLab 2.0 的配置文件支持跨仓库调用，这意味着只要你安装了对应的仓库，那么不需要复制任何文件就可以轻松调用 OpenMMLab 其他项目的配置文件。在基础模型的算法研究中，当我们开发了一个新的基础模型，并完成了模型在图像分类上的实验，想探索这个预训练模型在下游检测任务中的性能时，我们可以通过如下的简单配置，快速地训练起一个基于 MMDetection 的物体检测任务。

_base_ = 'mmdet::faster_rcnn/faster-rcnn_r50_fpn_1x_coco.py'
 custom_imports=dict(imports='mmcls.models')  model = dict(
    backbone=dict(
        type='mmcls.SwinTransformer',
        arch='tiny',
        img_size=224,
        out_indices=(0, 1, 2, 3),
        init_cfg=dict(
            type='Pretrained',
            checkpoint=...,
            prefix='backbone'
        ),
        _delete_=True),
    neck=dict(in_channels=[96, 192, 384, 768]))
1
2
3
4
5
6
7
8
9
10
11
12
13
14

可视化工具

在全新升级的 MMClassification 中，我们集成了完善的可视化工具，可以方便地查看图片和优化器的参数策略。在数据展示层面，我们支持多种模式的图片查看，如拼接和流水线。

图 3：拼接模式（左侧为原图，右侧为数据增强后的图片）

图 4 流水线模式（左侧为原图，右侧为依次变换的图片）

我们也提供了对优化器参数策略的可视化，支持用户在训练前就对学习率，动量等参数进行可视化，如下两张图所示。该功能能够方便用户提前进行 Debug，确保优化器参数设置的是合理的。

图 5：优化器动量曲线

图 6 ：学习率曲线

数据预处理模块

为了加速数据预处理过程，在 OpenMMLab 2.0 架构中，模型增加了 data_preprocessor 模块。这一模块在从 dataloader 获得数据后，对数据进行搬运和预处理。

• 和数据集的 transform 有何不同？
• • 数据集 transform 每次调用只处理一张图片，而数据预处理模块每次调用处理一个 batch 的图片
  • 数据集 transform 可以包含复杂逻辑，对每张图像执行不同操作，由 CPU 执行的，而数据预处理模块可以获取模型所在的设备，能够利用 GPU 加速对一个批次的图像进行批量处理。

为何能加速？

数据预处理模块包含归一化、通道转换操作，这些操作在 cpu 上逐张进行效率较低，使用 GPU 批量处理效率更高。实验测试：224 尺寸图像，batch size 128 条件下，每轮预处理迭代耗时从 31 ms 下降到 12ms（1660 Super，i7-8700）。

用法有何不同？

原先数据集 pipeline 中的 Normalize 变换操作可以移除，代之以单独的 data_preprocessor 配置字段。

data_preprocessor = dict(
    # 将输入数据通道从 BGR 格式转换为 RGB 格式
    to_rgb=True,
    # RGB 格式的归一化参数
    mean=[123.675, 116.28, 103.53],
    std=[58.395, 57.12, 57.375],
)
1
2
3
4
5
6
7

易用的推理接口

广大的研究员和工程师同学对基础模型的推理功能有着迫切的需求，我们提供了更易用的推理接口，方便大家能够能轻松地使用算法库的各个模型进行模型推理。

>>> from mmcls.apis import ImageClsInferencer
>>> 
>>> inferencer = ImageClsInferencer(model='resnet50_8xb32_in1k')
>>> inferencer('./demo/demo.jpg')
{'pred_label': 65, 
 'pred_score': 0.6649363040924072,
 'pred_class': 'sea snake'}
1
2
3
4
5
6
7

多后端可视化器

我们在新版本中引入了 ClsVisualizer , 它继承自 MMEngine 的 Visualizer 可视化器，可以用于在训练和测试过程中可视化以及存储需要的数据信息，其主要功能包括：

• 数据样本的可视化和存储；

• 图像的绘制、可视化和存储；

• 特征图的可视化和存储；

• 损失函数（Loss）和分类准确率（Accuracy）等标量数据存储；

我们也提供了多种后端存储支持，如： 本地存储、Tensorboard 后端存储、Wandb 后端存储。

可视化器不仅允许在代码库任意位置调用，还支持在其基础上对存储后端进行扩展。

我们提供如下的示例，展示如何使用 ClsVisualizer。

import torch
import mmcv
from pathlib import Path
 from mmcls.visualization import ClsVisualizer
from mmcls.structures import ClsDataSample
 # 构造可视化器
vis = ClsVisualizer(
    save_dir="./outputs",
    vis_backends=[dict(type='TensorboardVisBackend')],
)
vis.dataset_meta = {'classes': ['cat', 'bird', 'dog']}
 # 可视化一个分类样本
img = mmcv.imread("./demo/bird.JPEG", channel_order='rgb')
data_sample = ClsDataSample()
data_sample.set_gt_label(1).set_pred_label(1).set_pred_score(torch.tensor([0.1, 0.8, 0.1]))
vis.add_datasample('res', img, data_sample)
 # 可视化一系列标量信息
for i in range(10):
    vis.add_scalar('loss', step=i, value=10-i)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

我们也与 Wandb 进行了合作，提供了对 Wandb 的支持，这里对 Wandb 进行一个简单的介绍。Wandb 是一个易用的实验管理工具，支持对实验的各个环节进行监控和数据收集，同时也支持多个开源框架与系统环境，其主要特性如下图所示。

图7：Wandb 的特点

更丰富的算法库

MMClassification 目前涵盖了丰富的模型架构，包括 CNN 骨干网络和 Transformer 骨干网络，覆盖了从标准模型到轻量模型的不同类型算法，如下图所示。截至目前，我们共支持 34 个模型结构，提供 220 个预训练模型权重。

图 8：MMClassification 支持的各类模型

我们也在近期对一些前沿算法进行了支持，如 Swin-V2, MobileOne, EdgeNeXt, EfficientFormer 等，它们的基本结构如下图所示：

图 9：新支持模型的基本结构

更易用的模型部署

在 MMClassification 1.0 中，我们完善了对于模型部署的支持。用户可以借助 MMDeploy 工具快速获得可部署的的分类模型。我们这里给出一个简单的基于 MMDeploy 的分类模型部署流程。

1. 首先下载 MMDeploy 代码

git clone --recursive -b dev-1.x https://github.com/open-mmlab/mmdeploy.git
cd mmdeploy
1
2

2. 一键安装 MMDeploy 及 onnx 后端（Ubuntu 系统）

python3 tools/scripts/build_ubuntu_x64_ort.py $(nproc)
1

3. 进行分类模型转换

# 下载模型和配置文件
mim download mmcls --config resnet18_8xb32_in1k --dest .

# 进行模型转换
python tools/deploy.py \
    configs/mmcls/classification_onnxruntime_dynamic.py \  # 转换分类模型至 ONNX 后端
    resnet18_8xb32_in1k.py \                               # 指定模型配置文件
    resnet18_8xb32_in1k_20210831-fbbb1da6.pth \            # 指定权重文件
    tests/data/tiger.jpeg \                                # 指定验证图片
    --work-dir mmdeploy_models/mmcls/ort \                 # 指定输出位置
1
2
3
4
5
6
7
8
9
10

4. 使用 ONNX 后端验证转换后的模型

首先配置 ONNX 后端运行所需的环境变量

export PYTHONPATH=$(pwd)/build/lib:$PYTHONPATH
export LD_LIBRARY_PATH=$(pwd)/../mmdeploy-dep/onnxruntime-linux-x64-1.8.1/lib/:$LD_LIBRARY_PATH
1
2

然后使用可部署模型执行推理任务

>>> from mmdeploy_python import Classifier
>>> import cv2
>>> 
>>> img = cv2.imread('tests/data/tiger.jpeg')
>>> # 构建 ONNX 分类推理器
>>> classifier = Classifier(model_path='./mmdeploy_models/mmcls/ort', device_name='cpu', device_id=0)
>>> # 执行推理
>>> classifier(img)
[(292, 17.54273223876953)]
1
2
3
4
5
6
7
8
9

小结

我们对 MMClassification 1.0 进行一个简单的总结，作为 OpenMMLab 2.0 的基础模型库，目前我们已经在整个开源社区获得广泛使用。基于全新的架构和生态，我们可以轻松支持多个下游任务，具有可扩展易配置的特性。同时，我们也提供丰富的算法模型，方便的研究工具，以及便捷的模型推理。

图 10：MMClassification 1.0 特点总结

后续规划

未来，我们也将不断地迭代更新，为社区带来更好用的基础模型库。我们计划在未来推出更易用的推理接口，更丰富的模型库，更完善的训练支持，以及更强大的特征分析工具。同时我们也将不断拓展 MMClassification 的能力，支持更多的分类数据集，更广泛的任务（如检索任务，不平衡分布分类，半监督分类，弱监督分类等）。我们也欢迎社区用户来试用新版本的 MMClassification，提出宝贵建议，以及为 MMClassification 贡献代码。