nanodet相关

nanodet网址：https://github.com/RangiLyu/nanodet

 

训练保存的pth模型比预想大：issues/50

训练保存的pth模型（7MB出头）比作者提供的pth模型（3MB）更大，原因是训练过程中保存的模型是附带优化器的check point。可以在save model时不保存优化器来获得3MB的模型。(作者原话)

保存模型的函数在项目工程的nanodet/util/check_point.py def save_model。调用地点有两处line133 & line151，在nanodet/trainer/trainer.py def run，分别是保存last和保存best。要另外保存不包含优化器的模型只需要在保存语句下面再添加

save_model(self.rank, self.model, os.path.join(self.cfg.save_dir, 'model_last.pth'), epoch, self._iter)

其实就是直接去除函数最后的优化器信息输入即，因为函数优化器的default是None。

 

调整demo.py，将infer得到的图片结果保存在指定文件夹：

推理使用的是一个Predictor类，推理使用的是类里面的inference方法，将结果呈现到图片上用的是visualize方法。

visualize方法：使用self.model.head.show_result进行结果呈现。self.model是Predictor类的model属性，由build_model(cfg.model)函数创建。在前面的import找到对应函数model/arch/__init__.py，这个函数是根据同文件夹的gfl.py创建一个GFL类，且看gfl.py知道GFL类是继承了同文件夹的OneStage类，可以见到model的head属性也是在OneStage类创建的。在one_stage.py的import找到对应函数model/head/__init__.py，里面根据config的参数生成对应的head结构。如果config填的是NanoDetHead，就会生成NanoDetHead类，NanoDetHead类继承了GFLHead类，show_result方法就在gfl_head.py内。show_result方法使用了nanodet/util/visualization.py里面的overlay_bbox_cv函数（返回画好框的图）。

项目infer图片的结果原本是cv2.imshow，但是在linux上没有图形界面，因此显示不了，所以将其改为将infer结果图片保存到指定路径。

• 修改nanodet/model/head/gfl_head.py的def show_result，将imshow改为imwrite到指定路径
• 修改demo/demo.py。增加一个输入参数 infer图片保存路径。在predictor.visualize(res, meta, cfg.class_names, 0.35, imgsavepath) 增加imgsavepath参数，并在这行上面加了三行代码确定每张图的保存路径。

 

本文地址：https://blog.csdn.net/zicai_jiayou/article/details/110469717