（十五）mmdetection源码解读：runner

一、runner构建过程

Runner是MMdetection中的一种深度学习算法“工厂”，是对深度学习算法各个组件的“容器”。简单来说，所有的机器学习算法所包含的无非就是数据、模型、训练策略、评估、推理这五个部分。Runner就是将这五个部分组合在一起的工具。
​ Runner的源码封装在MMCV库当中，目前主要是有epoch_runner和iter_runner两种，本质上差不多，只是大家的习惯不同罢了。 MMDetection 默认采用 Epoch 。

runner = build_runner(
    cfg.runner,
    default_args=dict(
        model=model,
        optimizer=optimizer,
        work_dir=cfg.work_dir,
        logger=logger,
        meta=meta))
#runner在配置文件中的设置举例
runner = dict(type='EpochBasedRunner', max_epochs=12)
1
2
3
4
5
6
7
8
9
10

这个地方有点绕，先通过runner_constructor = build_runner_constructor()实例化DefaultRunnerConstructor类，然后再通过runner = runner_constructor()调用DefaultRunnerConstructor类的__call__函数，然后调用build_from_cfg，实例化EpochBasedRunner

def build_runner(cfg, default_args=None):
    runner_cfg = copy.deepcopy(cfg)
    constructor_type = runner_cfg.pop('constructor',
                                      'DefaultRunnerConstructor')
    runner_constructor = build_runner_constructor(
        dict(
            type=constructor_type,
            runner_cfg=runner_cfg,
            default_args=default_args))
    runner = runner_constructor()
    return runner
1
2
3
4
5
6
7
8
9
10
11

class DefaultRunnerConstructor:
    def __call__(self):
        return RUNNERS.build(self.runner_cfg, default_args=self.default_args)
1
2
3

二、runner包含的功能

1、resume和load_checkpoint。对应加载断点文件和预训练模型。
2、save_checkpoint，保存断点，将由checkpointhook调用。
3、register_hook，负责注册hook类到self._hooks中
4、call_hook，调用hook类
5、train和val，训练和验证方法
6、run方法开启真正的工作流