ymir-mmdetection 镜像说明文档#

仓库地址#

参考mmdetection

镜像地址#

youdaoyzbx/ymir-executor:ymir2.0.0-mmdet-cu111-tmi
youdaoyzbx/ymir-executor:ymir2.0.2-mmdet-cu111-tmi

性能表现#

参考mmdetection官方数据

Backbone size Mem (GB) box AP Config Download
YOLOX-tiny 416 3.5 32.0 config model | log
YOLOX-s 640 7.6 40.5 config model | log
YOLOX-l 640 19.9 49.4 config model | log
YOLOX-x 640 28.1 50.9 config model | log

说明:

  1. The test score threshold is 0.001, and the box AP indicates the best AP.
  2. Due to the need for pre-training weights, we cannot reproduce the performance of the yolox-nano model. Please refer to https://github.com/Megvii-BaseDetection/YOLOX/issues/674 for more information.
  3. We also trained the model by the official release of YOLOX based on Megvii-BaseDetection/YOLOX#735 with commit ID 38c633. We found that the best AP of YOLOX-tiny, YOLOX-s, YOLOX-l, and YOLOX-x is 31.8, 40.3, 49.2, and 50.9, respectively. The performance is consistent with that of our re-implementation (see Table above) but still has a gap (0.3~0.8 AP) in comparison with the reported performance in their README.

训练参数#

超参数 默认值 类型 说明 建议
hyper-parameter default value type note advice
config_file
shm_size 128G 字符串 受ymir后台处理，docker image 可用共享内存 建议大小：镜像占用GPU数 * 32G
export_format ark:raw 字符串 受ymir后台处理，ymir数据集导出格式 -
config_file configs/yolox/yolox_tiny_8x8_300e_coco.py 文件路径 mmdetection配置文件 建议采用yolox系列, 参考det-mmdetection-tmi/configs
samples_per_gpu 16 整数 每张GPU一次处理的图片数量 建议大小：显存占用<50% 可增加2倍加快训练速度
workers_per_gpu 4 整数 每张GPU对应的数据读取进程数 -
max_epochs 100 整数 整个数据集的训练遍历次数 建议：必要时分析tensorboard确定是否有必要改变，一般采用默认值即可
args_options '' 字符串 训练命令行参数 参考 det-mmdetection-tmi/tools/train.py
cfg_options '' 字符串 训练命令行参数 参考 det-mmdetection-tmi/tools/train.py
metric bbox 字符串 模型评测方式 采用默认值即可
val_interval 1 整数 模型在验证集上评测的周期 设置为1，每个epoch可评测一次
max_keep_checkpoints 1 整数 最多保存的权重文件数量 设置为k, 可保存k个最优权重和k个最新的权重文件，设置为-1可保存所有权重文件。

说明 1. config_file 可查看det-mmdetection-tmi/configs进行选择

推理参数#

超参数 默认值 类型 说明 建议
hyper-parameter default value type note advice
shm_size 128G 字符串 受ymir后台处理，docker image 可用共享内存 建议大小：镜像占用GPU数 * 32G
conf_threshold 0.2 浮点数 推理结果置信度过滤阈值 设置为0可保存所有结果，设置为0.6可过滤大量结果
cfg_options '' 字符串 训练命令行参数 参考 det-mmdetection-tmi/tools/train.py

说明 1. 由于没有采用批量推理技术，因此没有samples_per_gpu和workers_per_gpu选项

挖掘参数#

超参数 默认值 类型 说明 建议
hyper-parameter default value type note advice
shm_size 128G 字符串 受ymir后台处理，docker image 可用共享内存 建议大小：镜像占用GPU数 * 32G
mining_algorithm aldd 字符串 挖掘算法可选 aldd, cald, entropy 和 random 单类建议采用aldd, 多类检测建议采用entropy
cfg_options '' 字符串 训练命令行参数 参考 det-mmdetection-tmi/tools/train.py

说明 1. class_distribution_scores 一些复杂的参数在此不做说明 2. 由于没有采用批量推理技术，因此没有samples_per_gpu和workers_per_gpu选项

论文引用#

@article{yolox2021,
  title={{YOLOX}: Exceeding YOLO Series in 2021},
  author={Ge, Zheng and Liu, Songtao and Wang, Feng and Li, Zeming and Sun, Jian},
  journal={arXiv preprint arXiv:2107.08430},
  year={2021}
}