Nanodet训练自己的数据集

1. 准备训练的数据

train 和 valid 下的两个子目录分别存放训练集和验证集的图片和xml文件(注意图片和标签一一对应)

2. 建立config yaml文件

源码下载：
git clone https://github.com/RangiLyu/nanodet.git

参考https://github.com/RangiLyu/nanodet/blob/main/config/nanodet_custom_xml_dataset.yml
在config文件夹下建立自己的yml文件：
（1）修改训练结果的保存路径

（2）修改自训练类别数量

（3）修改自训练类别标签

（4）修改训练集和验证集的文件夹路径

（5）修改训练的循环次数

3. 配置nanodet环境

（1）Create a conda virtual environment and then activate it.

 conda create -n nanodet python=3.8 -y
 conda activate nanodet

（2）Install pytorch

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

（3）Install requirements

pip install -r requirement.txt
pip install pytorch_lightning
pip install termcolor
pip install opencv-python-headless

（4）Setup NanoDet

cd nanodet
python setup.py develop

4. 训练

python ./tools/train.py ./config/mydata.yml

5. 模型转为onnx

使用nanodet源码提供的转换脚本

python ./tools/export_onnx.py --cfg_path ./config/mydata.yml --model_path./workspace/nanodet_m_ws/model_best/nanodet_model_best.pth --out_path ./workspace/nanodet_m_ws/model_best/nanodet_m_ws.onnx

6. 模型转为mnn

MNN版本2.0.0，MNN_BUILD_CONVERTER 设置为true，编译模型转换工具，使用以下命令将onnx转为mnn：

./MNNConvert -f ONNX --modelFile xxx.onnx --MNNModel xxx.mnn --bizCode MNN