MMDet加载旧版本代码权重及自定义数据集的问题及解决

场景

• PyTorch说它们2.0很快，那么就安个最新的Torch和MMDet。
• 打开两年前的顶会文章，复制更早几年的代码文件以及权重。
• 找个数据集。
• 按照最新的config进行配置权重路径。
• 然而，找不到加载权重。

解决

• config 配置

# 权重加载为 init_cfg=dict(checkpoint='pretrained/p2t_tiny.pth')，和仓库中其它config一样，区别在于一个是网上链接，一个是本地路径。
model = dict(
    type='RetinaNet',
    backbone=dict(
        _delete_=True,
        type='p2t_tiny',
        init_cfg=dict(checkpoint='pretrained/p2t_tiny.pth')),
    neck=dict(in_channels=[48, 96, 240, 384]))

# 模型获取预训练路径

• 模型获取预训练路径
  • 为模型增加一个**kwargs参数，然后获取其中的checkpoint
  • 然后在init_weight()中调用。

class p2t():
    def __init__(self, size, **kwargs):
        self.pretrained = kwargs['init_cfg']['checkpoint']

    def init_weights(self):
        logger = MMLogger.get_current_instance()
        load_checkpoint(self, self.pretrained, map_location='cpu', strict=False, logger=logger)

• 模型权重不匹配

  • 核对一下缺失的键，和预料之外的键的差别，可能多了一个backbone的前缀。
  • 可以在tools/model_converters里面随便找一个代码改改，把权重加载进来，然后去掉各键的前缀，再保存

• 数据集加载为空

  • 扩展名对不上。数据集class用的.png后缀，而图片是.jpg后缀，修改一下就好。
  • 额外前缀。config中有个prefix的选项，不应注释，而应留空，省得出现train2017的coco前缀。
  • 数据集类名对不上。有的数据集，表面上用英文提供信息，背地里用按葡萄牙语作为k-fold的测试标注。

一些入门提示

• 加新模型，直接在mmdet/model目录下的各文件中加就好，然后再修改对应目录的__init__.py
• 加新数据集，直接复制mmdet/datasets里面coco系列的类，修改里面设置的图片扩展名等差异信息即可，最后修改__init__.py
• config可以用_base_ = ['../pvt/retinanet_pvt-t_fpn_1x_coco.py']继承现有的，然后在该文件加上数据集的信息即可。
• 想配置文档里没提到的东西，就在代码搜一下关键词，然后照抄现有配置。