Слияние кода завершено, страница обновится автоматически
Мы в основном классифицируем компоненты модели на 4 типа.
Здесь мы покажем, как разрабатывать новые компоненты на примере MobileNet.
Создайте новый файл mmtrack/models/backbones/mobilenet.py.
import torch.nn as nn
from mmdet.models.builder import BACKBONES
@BACKBONES.register_module()
class MobileNet(nn.Module):
def __init__(self, arg1, arg2):
pass
def forward(self, x): # должен возвращать кортеж
pass
def init_weights(self, pretrained=None):
pass
Вы можете либо добавить следующую строку в mmtrack/models/backbones/__init__.py:
from .mobilenet import MobileNet
либо альтернативно добавить:
custom_imports = dict(
imports=['mmtrack.models.backbones.mobilenet'],
allow_failed_imports=False)
в конфигурационный файл, чтобы избежать изменения исходного кода.
model = dict(
...
backbone=dict(
type='MobileNet',
arg1=xxx,
arg2=xxx),
...
Создайте новый файл mmtrack/models/necks/my_fpn.py.
from mmdet.models.builder import NECKS
@NECKS.register_module()
class MyFPN(nn.Module):
def __init__(self,
in_channels,
out_channels,
num_outs,
start_level=0,
end_level=-1,
add_extra_convs=False):
pass
def forward(self, inputs):
# реализация игнорируется
pass
Вы можете либо добавить следующую строку в mmtrack/models/necks/__init__.py,
from .my_fpn import MyFPN
либо альтернативно добавить:
custom_imports = dict(
imports=['mmtrack.models.necks.my_fpn.py'],
allow_failed_ imports=False)
в конфигурационный файл и избежать изменения исходного кода.
neck=dict(
type='MyFPN',
in_channels=[256, 512, 1024, 2048],
out_channels=256,
num_outs=5)
Создайте новый файл mmtrack/models/track_heads/my_head.py.
from mmdet.models import HEADS
@HEADS.register_module()
class MyHead(nn.Module):
def __init__(self,
arg1,
arg2):
pass
def forward(self, inputs):
# реализация игнорируется
pass
Вы можете либо добавить следующую строку в mmtrack/models/track_heads/__init__.py,
from .my_head import MyHead
либо альтернативно добавить:
custom_imports = dict(
imports=['mmtrack.models.track_heads.my_head.py'],
allow_failed_imports=False)
в конфигурационный файл и избежать изменения исходного кода.
head=dict(
type='MyHead',
arg1=xxx,
arg2=xxx)
Предположим, вы хотите добавить новую потерю как MyLoss, для регрессии ограничивающего прямоугольника.
Чтобы добавить новую функцию потерь, пользователи должны реализовать её в mmtrack/models/losses/my_loss.py.
Декоратор weighted_loss позволяет сделать так, чтобы потеря была взвешена для каждого элемента.
import torch
import torch.nn as nn
from mmdet.models import LOSSES, weighted_loss
@weighted_loss
def my_loss(pred, target):
assert pred.size() == target.size() and target.numel() > 0
loss = torch.abs(pred - target)
return loss
@LOSSES.register_module()
class MyLoss(nn.Module):
def __init__(self, reduction='mean', loss_weight=1.0):
super(MyLoss, self).__init__()
self.reduction = reduction
self.loss_weight = loss_weight
def forward(self,
``` ```
pred,
target,
weight=None,
avg_factor=None,
reduction_override=None):
assert reduction_override in (None, 'none', 'mean', 'sum')
reduction = (
reduction_override if reduction_override else self.reduction)
loss_bbox = self.loss_weight * my_loss(
pred, target, weight, reduction=reduction, avg_factor=avg_factor)
return loss_bbox
Затем пользователям необходимо добавить это в mmtrack/models/losses/__init__.py.
from .my_loss import MyLoss, my_loss
Или же можно добавить
custom_imports=dict(
imports=['mmtrack.models.losses.my_loss'])
в файл конфигурации и достичь той же цели.
Чтобы использовать его, измените поле loss_xxx.
Поскольку MyLoss предназначен для регрессии, вам необходимо изменить поле loss_bbox в заголовке.
loss_bbox=dict(type='MyLoss', loss_weight=1.0))
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )