ymir-mmyolo#

阅读此文档前，建议先阅读mmdet，了解mmyolo代码仓库数据加载，超参数加载与模型训练流程。

• mmyolo

• mmyolo算法解析

• ymir-mmyolo

配置镜像环境#

参考 mmyolo#installation

• ymir/Dockerfile

提供超参数模板文件#

• img-man/*-template.yaml

提供镜像说明文件#

• img-man/manifest.yaml

提供默认启动脚本#

• ymir/start.py

• Dockerfile

RUN echo "python /app/ymir/start.py" > /usr/bin/start.sh  # 生成启动脚本 /usr/bin/start.sh
CMD bash /usr/bin/start.sh  # 将镜像的默认启动脚本设置为 /usr/bin/start.sh

实现基本功能#

完整代码变动参考ymir-mmyolo/pull/1

训练#

1. 启动镜像时调用 bash /usr/bin/start.sh

2. start.sh 调用 python3 ymir/start.py

3. start.py 调用 python3 ymir/ymir_training.py

4. ymir_training.py 调用 bash tools/dist_train.sh ...

   • ymir_training.py 调用 convert_ymir_to_coco() 实现数据集格式转换

   • ymir_training.py 获取配置文件(config_file)、GPU数量(num_gpus)、工作目录(work_dir)， 并拼接到调用命令中

   cmd = f"bash ./tools/dist_train.sh {config_file} {num_gpus} --work-dir {work_dir}" - 在训练结束后， 保存 max_keep_checkpoints 份权重文件

5. dist_train.sh 调用 python3 tools/train.py ...

   • train.py 中调用 modify_mmengine_config() 加载ymir平台超参数、自动配置预训练模型、添加tensorboard功能、添加ymir进度监控hook等。

推理#

1. 启动镜像时调用 bash /usr/bin/start.sh

2. start.sh 调用 python3 ymir/start.py

3. start.py 调用 python3 ymir/ymir_infer.py

   • 调用 init_detector() 与 inference_detector() 获取推理结果

   • 调用 mmdet_result_to_ymir() 将mmdet推理结果转换为ymir格式

   • 调用 rw.write_infer_result() 保存推理结果

挖掘#

1. 启动镜像时调用 bash /usr/bin/start.sh

2. start.sh 调用 python3 ymir/start.py

3. start.py 调用 python3 ymir/ymir_mining.py

   • 调用 init_detector() 与 inference_detector() 获取推理结果

   • 调用 compute_score() 计算挖掘分数

   • 调用 rw.write_mining_result() 保存挖掘结果

制作镜像 det/mmyolo:tmi#

• ymir/Dockerfile

docker build -t det/mmyolo:tmi -f ymir/Dockerfile .