opennmmlab实战营二期-mmpretrain代码课课（五）

点我：视频课程

代码课写代码最重要（相关代码见:点我），笔记的话就简单进行总结，大致如下：

• 一、安装mmpretrain

• 二、调用mmpretrain的模型进行推理

  • 图像分类
  • 图像描述

• 三、在新分类数据集进行resnet18微调训练

  • 1、准备猫狗数据集

  • 2、介绍配置文件（resnet18_8×32_link.py)

    • 模型配置（resnet18.py）
    • 数据集配置（imagenet_bs32.py）
    • 运行配置（default_runtime.py）

  • 3、编写配置文件（resnet18_finetune.py）

    • 复制模型、数据集、运行配置文件的内容至resnet18_finetune.py
    • 修改配置文件
      • 模型：
        • 加init_cfg=dict(type="Pretrained",checkpoint='https://download.openmmlab.com/mmclassification/v0/resnet/resnet18_8xb32_in1k_20210831-fbbb1da6.pth')(来自https://download.openmmlab.com/mmclassification/v0/resnet/resnet18_8xb32_in1k_20210831-fbbb1da6.pth)
        • 修改num_classes=2
      • 数据集：
        • 修改数据集类型：dataset_type='CustomDataset'
        • 修改数据集路径：data_root=''
      • 运行：epoch

  • 4、启动训练

    • mim mmpretrain resnet18_finetune.py --work-dir=./exp
      

  • 5、测试集评估

    • mim mmpretrain resnet18_finuetune.py --checkpoint exp/epoch.pth
      

  • 6、使用其他工具分析结果

    • mim run mmpretrain analyze_results resnet18_finetune.py result.pkl --out-dir analyze
      

  • 7、混淆矩阵

    • mim run mmpretrain confuse_matrix resnet18_finetune.py result.pkl --show --include-values
      

  • 8、预测图片

    • from mmpretrain import ImageClassficationInference
      
      inf=ImageClassficationInference('resnet18_finetune.py',pretrainen='epoch.pth')
      
      inf('image.jpg',show=True)