Yolact

• 1、安装
• 2、训练
• • 训练的代码
  • 自定义设置
  • 参数解释
  • 训练需要注意的地方
  • • 显卡CUDA_VISIBLE_DEVICES=0
    • Git的问题
    • log_folder路径的问题

CUDA_VISIBLE_DEVICES=0 python train.py --config=yolact_edge_truck_config

CUDA_VISIBLE_DEVICES=0 nohup python3 -u  train.py --config=yolact_edge_truck_config

查看运行结果

cat nohup.out            #查看输出文件
tail -n 100 nohup.out    #查看 nohup.out 最后100行的日志
tail -n 100 nohup.out |grep "关键字"      #输出文件最后100行，含关键字
tail -fn 50 nohup.out    #查看nohup.out里面的日志
tail -f nohup.out       #前台实时查看nohub.out文件内容
tail -f nohup.out |grep "关键字"       #根据关键字查看
ps -x                         #查看所有正在运行的进程
kill -9 ID                    #杀死进程

参考train参数传入，可选参数有：

–batch_size 批次，根据自己显卡而定；
–save_interval 默认每10000次迭代保存一次权重
–validation_size 默认每5000次迭代验证一次

B:box, C:class, M:mask, S:instance segmentation, T:total

必须使用CUDA_VISIBLE_DEVICES=0（这里可以是任何可以利用的序号），否则代码会报错。

Train.py中170行左右的地方，有一个import git
如果电脑没有git，则需要将这一部分代码注释
这一部分代码是Tensorboard用于记录训练数据的部分，可以不加上

本来的代码为

parser.add_argument('--log_folder', default='../../logs/',
                    help='Directory for saving Tensorboard logs')

但是…/…/logs的路径是错误的，因为如果是使用实验室的服务器的话，路径需要再深一些，否则会在根目录下面的文件夹下建立logs，但是服务器都是多人使用的，所以没有权限在这个路径下做读写。所以需要更改路径。
修改为：

parser.add_argument('--log_folder', default='./logs/',
                    help='Directory for saving Tensorboard logs')

修改之后就会在yolact_edge文件夹下创建logs文件夹保存数据。