Tianning Yuan
Tianning Yuan
> 作者您好！我研读了一下您的代码，想与您确认一下我对训练结构以及参数的理解是否正确： > `epoch`：外部epoch数，一个“外部epoch”的流程是“训练模型整体->两次重赋权与min/max”；若当前为第一个epoch则需要首先进行模型整体训练。 > `epoch_ratio`：该数组的结构为[模型整体训练所需epoch数, 赋权与min/max所需epoch数]。 > `cycle`：该数组代表初始取数据到最终数据集经过的流程，每一个cycle之间差一个增加数据集量的比例。 > 因此计算总epoch的方法是否应该为`(epoch_ratio[0]+(epoch_ratio[0]+epoch_ratio[1]*2)*epoch)*len(cycle)`？我在查看代码的时候没有看到X_U_repeat和X_L_repeat的使用位置（包括这两个值赋给的cfg.data.train.times，没有找到后续在哪里使用），想询问一下这两个变量的设计逻辑。 您好！感谢您对于我们工作的关注。您对训练结构以及参数的理解没有问题。 有关 `X_U_repeat` 和 `X_L_repeat` 的使用，确实是赋给了 `cfg.data.train.times`，关于它的调用位置可以参见 [这里](../blob/master/mmdet/datasets/dataset_wrappers.py#L55)，其含义为数据在 dataloader 中重复的次数。 其设计逻辑源于 MMDetection 自带的 [配置文件](https://github.com/open-mmlab/mmdetection/blob/v2.3.0/configs/_base_/datasets/voc0712.py#L36)。根据它在 [这里](https://github.com/open-mmlab/mmdetection/blob/v2.3.0/configs/pascal_voc/retinanet_r50_fpn_1x_voc0712.py#L13) 的解释，实际等价的 epoch 数等于 `你如上计算出的总...
你好，请尝试用同样的方法配置 [mmDetection v2.3.0 版本](https://github.com/open-mmlab/mmdetection/tree/v2.3.0)，看一下是否会有同样的问题。 --- Hi, please try to configure [mmDetection v2.3.0](https://github.com/open-mmlab/mmdetection/tree/v2.3.0) in the same way and see if you have the same problem.
Yes, you can debug deeply. It involves calls the function mmcv.utils.registry.build_from_cfg, which loads the parameters in cfg.model and builds the model from it. The path of the pretrained model is...
It stands for the unique ID when using multiple GPU for training. If you run multiple tasks on a single machine, it needs to be changed for different tasks.
You can have a look at the loss function in lines 479 and 565 in mmdet/models/dense_head/MIAOD_head.py, which are belongs to the step re-weighting and minimizing/maximizing instance uncertainty. In these two...