运行Faster-RCNN指令
1 | python tools/train_net.py \ |
上面两行指令第一行指定了config文件的位置, 第二行指定了输出文件的位置.
在tutorial_1gpu_e2e_faster_rcnn_R-50-FPN.yaml
文件中, 主要包含了以下几个关键信息:
- MODEL: 包含模型类型, 卷积网络的骨干, 样本类别数目
- SOLVER: 包含一些参数的值, 如: 权重衰减系数, LR_POLICY, GAMMA, MAX_ITER等等
- FPN: 包含若干布尔值, 指示是否开启FPN, MULTILEVEL_ROIS/RPN 等等
- FAST_RCNN: 与ROI相关的一些信息
- TRAIN: 指定初始化权重文件的url, 以及数据集相关信息
- TEST: 指定TEST数据集相关信息, NMS阈值
- OUTPUT_DIR: . 被命令行的参数覆盖
上图为tools/train_net.py
文件函数调用的关系图, 几乎所有的模型都是通过这个脚本运行的, 源码分析如下:
1 | # tools/train_net.py |
train.py 文件
可以看到, 上面只是一个启动训练代码的脚本文件, 接下来看一下detectron/utils/train.py
文件中的train_model()
函数的详细情况:
1 | #detectron/utils/train.py |
create_model()
在这里, train_model()
函数的开始调用了create_model()
函数, 在进行后面的代码分析之前, 需要先看看这个函数具体做了什么, 返回了什么:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41#detectron/utils/train.py
def train_model():
#...
def handle_critical_error(model,msg):
#...
def create_model():
"""创建模型, 并且寻找保存的checkpoints用以继续训练"""
logger = logging.getLogger(__name__)
start_iter = 0
checkpoints = {}
# from detectron.core.config import get_output_dir
# def get_output_dir(datasets, training=True)
# 这里只是用了数据集的名字, 并不是使用数据集
# 在OUTPUT文件夹(由config定义)会创建一个新的文件夹, 并返回该路径:
# <output-dir>/<train|test>/<dataset-name>/<model-type>/
# 对于本例来说, cfg.TRAIN.DATASETS = ('coco_2014_train',)
output_dir = get_output_dir(cfg.TRAIN.DATASETS, train = True)
# 默认为R-50.pkl的 url 下载地址
weights_file = cfg.TRAIN.WEIGHTS
if cfg.TRAIN.AUTO_RESUME: #TODO, 这个参数在哪里??
#...
# 对于本例, cfg.MODEL.TYPE = generalized_rcnn
logger.info("Building model: {}".format(cfg.MODEL.TYPE))
# from detectron.modeling import model_builder
# def create(model_type_func, train=False, gpu_id=0)
# 创建一个一般化的模型, 然后将其转化成特定的模型
# 函数内部使用了detectron/modeling/detector.py 中的DetectionModelHelper类
# 同时将cfg.MODEL.NUM_CLASSES信息传递给了该类
# cfg.MODEL.TYPE = generalized_rcnn
# TODO: 此行代码涉及的文件和代码较多, 暂时先不深入探讨, 可以认为是创建了一个模型
model = model_builder.create(cfg.MODEL.TYPE, train=True)
if cfg.MEMONGER: # TODO, 这个参数在哪里?
optimize_memory(model)
workspace.RunNetOnce(model.param_init_net)
return model, wright_file, start_iter, checkpoints, output_dir
setup_model_for_training(...)
接着回到刚才的train_model()
函数:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19#detectron/utils/train.py
def train_model():
"""循环训练模型"""
# 由上面的函数可知:
# model为DetectionModelHelper类创建的模型对象
# weights_file即为cfg文件里定义的权重文件的url
# start_iter = 0
# checkpoints ={} 字典类型哦!
# output_dir为根据cfg.OUTPUT_DIR和DATASETS名字创建的输出目录
model, weights_file, start_iter, checkpoints, output_dir = create_model()
if "final" in checkpoints:
# 如果已经训练完成, 则直接返回
return checkpoints
# 这里调用了本文件的函数, 主要是为训练模型做准备工作
setup_model_for_training(model, weights_file, output_dir)
#...
具体看一下setup_model_for_training
函数的内部实现
1 | #detectron/utils/train.py |
add_model_training_inputs(model)
1 | #detectron/utils/train.py |
再看 train_model()
接着回到刚才的train_model()
函数:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63#detectron/utils/train.py
def train_model():
"""循环训练模型"""
# 调用本文件的create_model()函数, 由上面的函数可知:
# model为DetectionModelHelper类创建的模型对象
# weights_file即为cfg文件里定义的权重文件的url
# start_iter = 0
# checkpoints ={} 字典类型哦!
# output_dir为根据cfg.OUTPUT_DIR和DATASETS名字创建的输出目录
model, weights_file, start_iter, checkpoints, output_dir = create_model()
if "final" in checkpoints:
# 如果已经训练完成, 则直接返回
return checkpoints
# 这里调用了本文件的函数, 主要是为训练模型做准备工作, 加载权重, 创建网络等等
setup_model_for_training(model, weights_file, output_dir)
# from detectron.utils.training_stats import TrainingStats
# def __init__(self, model)
# 跟踪模型训练时的关键统计数据
training_stats = TrainingStats(model)
# TODO SNAPSHOT_ITERS参数在哪?
CHECKPOINT_PERIOD = int(cfg.TRAIN.SNAPSHOT_ITERS/cfg.NUM_GPUS)
#循环训练过程cfg.SOLVER.MAX_ITER=60000次
for cur_iter in range(start_iter, cfg.SOLVER.MAX_ITER):
# model.roi_data_loader是位于detectron.roi_data.loader中的RoIDataLoader对象
# def has_stopped(self): return self.coordinator.should_stop()
# coordinator是位于detectron.utils.coordinator中的Coordinator类的对象, 该类用于多线程处理数据队列
if model.roi_data_loader.has_stopped():
handle_critical_error(model, 'roi_data_loader failed')
# from detectron.utils.training_stats import TrainingStats
# 用于训练计时, 计时开始
training_stats.IterTic()
#更新学习率
lr = model.UpdateWorkspaceLr(cur_iter, lr_policy.get_lr_at_iter(cur_iter))
# 运行网络!关键步骤
workspace.RunNet(model.net.Proto().name)
if cur_iter == start_iter: #首次迭代打印模型信息
# import detectron.utils.net as nu
nu.print_net(model)
training_stats.IterToc() # 计时结束
training_stats.UpdateIterStats()
training_stats.LogIterStats(cur_iter, lr)
# 迭代到指定次数以后, 自动保存模型
if (cur_iter+1) % CHECKPOINT_PERIOD ==0 and cur_iter>start_iter:
checkpoints[cur_iter] = os.path.join(output_dir, "model_iter{}.pkl".format(cur_iter))
nu.save_model_to_weights_file(checkpoints[cur_iter], model)
if cur_iter == start_iter + training_stats.LOG_PERIOD:
training_stats.ResetIterTimer()
# 判断损失函数是否出现了nan值, 如果出现,则报错,注意,nan不是inf, nan值代表不存在的值, 如log(-1), 而log(0)是inf, 不是nan
if np.isnan(training_stats.iter_total_loss):
handle_critical_error(model, "loss is NaN")
checkpoints['final'] = os.path.join(output_dir, 'model_final.pkl')
nu.save_model_to_weights_file(checkpoints['final'], model)
model.roi_data_loader.shutdown()
return checkpoints
以上,便是train_model()
函数的整体流程, 执行该函数后,训练过程就已经开始, 在detectron中, 所有的模型可数据都是用这个脚本训练的, 根据config文件的具体参数来决定载入哪个model, 或者使用哪个数据集. 但是上面的过程太过笼统, 给人一种隔了一堵墙的感觉. 因此, 我们需要更加深入了理解detectron是如何处理数据的, 又是如何将数据送到模型中去的, 另外, 每个模型的定义又是怎样的. 这些信息我会在后面的文章里一一解读.