训练YOLOS-S

1 数据处理

1. 修改类别数：在models/detector.py中定位到def build(args):，将num_classes进行修改，改为最大的类别id+1。我有4个类别，类别id是从0~3，因此max_id=3，这里的num_classes=max_id+1=4

2. 修改数据集位置：
   • 允许输入voc、coco两种格式，在main.py的--dataset_file设置，默认的是使用coco
   • 在main.py的--coco_path指明数据集根目录
   • 我用的是coco格式，yolo标签转为coco格式的代码可参考将YOLO数据集转成COCO格式，单个文件夹转为单个json文件，例如…/images/train转为instance_train.json，如果要用voc格式，可自行看看源码datasets/voc.py

然后，因为我的数据集排布是：

F:/A_Publicdatasets/RDD2020-1202/train_valid/RDD2020_together
├─annotations
│  ├─instances_train.json
│  ├─instances_val.json
│  └─instances_test.json
├─images
│  ├─test
│  │  ├─xxx.jpg
│  │  ├─xxx.jpg
│  ├─train
│  └─val

因此，在datasets/coco.py中根据自己的数据集进行更改：

        "train": (root / "images/train", root / "annotations" / f'{mode}_train.json'),
        "val": (root / "images/val", root / "annotations" / f'{mode}_val.json'),

2 配置训练参数

官方给的训练YOLOS-S 300轮的命令：

python -m torch.distributed.launch \
    --nproc_per_node=8 \
    --use_env main.py \
    --coco_path /path/to/coco
    --batch_size 1 \
    --lr 2.5e-5 \
    --epochs 150 \
    --backbone_name small \
    --pre_trained /path/to/deit-small-300epoch.pth\
    --eval_size 800 \
    --init_pe_size 512 864 \
    --mid_pe_size 512 864 \
    --output_dir /output/path/box_model

参照着上面去修改即可，我喜欢将参数直接给修改在main.py里面，但我：

• 把--init_pe_size和--mid_pe_size都设置成了default=(640, 640)，这应该是跟图像尺寸相关的
• 没有使用--pre_trained，因为不想使用预训练权重

题外话：

选择使用哪个？默认的是tiny，可以换成small，可对应models/backbone.py中进行查看，可以定位到tiny、small函数位置

对应的有这些选项：

3 可能会遇到的报错

可能会遇到这个报错：ImportError: cannot import name 'container_abcs' from 'torch._six' (F:\SoftWareInstall\Anaconda3\envs\torch1.10\lib\site-packages\torch\_six.py)，然后参照这个篇博客【报错】cannot import name ‘container_abcs‘ from ‘torch._six‘

在models/layers/helper.py中将from torch._six import container_abcs改为如下代码即可：

import collections.abc as container_abcs