540 lines
32 KiB
Python
540 lines
32 KiB
Python
import datetime
|
||
import os
|
||
from functools import partial
|
||
|
||
import numpy as np
|
||
import torch
|
||
import torch.backends.cudnn as cudnn
|
||
import torch.distributed as dist
|
||
import torch.optim as optim
|
||
from torch.utils.data import DataLoader
|
||
|
||
from nets.segformer import SegFormer
|
||
from nets.segformer_training import (get_lr_scheduler, set_optimizer_lr,
|
||
weights_init)
|
||
from utils.callbacks import EvalCallback, LossHistory
|
||
from utils.dataloader import SegmentationDataset, seg_dataset_collate
|
||
from utils.utils import (download_weights, seed_everything, show_config,
|
||
worker_init_fn)
|
||
from utils.utils_fit import fit_one_epoch
|
||
|
||
'''
|
||
训练自己的语义分割模型一定需要注意以下几点：
|
||
1、训练前仔细检查自己的格式是否满足要求，该库要求数据集格式为VOC格式，需要准备好的内容有输入图片和标签
|
||
输入图片为.jpg图片，无需固定大小，传入训练前会自动进行resize。
|
||
灰度图会自动转成RGB图片进行训练，无需自己修改。
|
||
输入图片如果后缀非jpg，需要自己批量转成jpg后再开始训练。
|
||
|
||
标签为png图片，无需固定大小，传入训练前会自动进行resize。
|
||
由于许多同学的数据集是网络上下载的，标签格式并不符合，需要再度处理。一定要注意！标签的每个像素点的值就是这个像素点所属的种类。
|
||
网上常见的数据集总共对输入图片分两类，背景的像素点值为0，目标的像素点值为255。这样的数据集可以正常运行但是预测是没有效果的！
|
||
需要改成，背景的像素点值为0，目标的像素点值为1。
|
||
如果格式有误，参考：https://github.com/bubbliiiing/segmentation-format-fix
|
||
|
||
2、训练好的权值文件保存在logs文件夹中，每个epoch都会保存一次，如果只是训练了几个step是不会保存的，epoch和step的概念要捋清楚一下。
|
||
在训练过程中，该代码并没有设定只保存最低损失的，因此按默认参数训练完会有100个权值，如果空间不够可以自行删除。
|
||
这个并不是保存越少越好也不是保存越多越好，有人想要都保存、有人想只保存一点，为了满足大多数的需求，还是都保存可选择性高。
|
||
|
||
3、损失值的大小用于判断是否收敛，比较重要的是有收敛的趋势，即验证集损失不断下降，如果验证集损失基本上不改变的话，模型基本上就收敛了。
|
||
损失值的具体大小并没有什么意义，大和小只在于损失的计算方式，并不是接近于0才好。如果想要让损失好看点，可以直接到对应的损失函数里面除上10000。
|
||
训练过程中的损失值会保存在logs文件夹下的loss_%Y_%m_%d_%H_%M_%S文件夹中
|
||
|
||
4、调参是一门蛮重要的学问，没有什么参数是一定好的，现有的参数是我测试过可以正常训练的参数，因此我会建议用现有的参数。
|
||
但是参数本身并不是绝对的，比如随着batch的增大学习率也可以增大，效果也会好一些；过深的网络不要用太大的学习率等等。
|
||
这些都是经验上，只能靠各位同学多查询资料和自己试试了。
|
||
'''
|
||
if __name__ == "__main__":
|
||
# ---------------------------------#
|
||
# Cuda 是否使用Cuda
|
||
# 没有GPU可以设置成False
|
||
# ---------------------------------#
|
||
Cuda = True
|
||
# ----------------------------------------------#
|
||
# Seed 用于固定随机种子
|
||
# 使得每次独立训练都可以获得一样的结果
|
||
# ----------------------------------------------#
|
||
seed = 11
|
||
# ---------------------------------------------------------------------#
|
||
# distributed 用于指定是否使用单机多卡分布式运行
|
||
# 终端指令仅支持Ubuntu。CUDA_VISIBLE_DEVICES用于在Ubuntu下指定显卡。
|
||
# Windows系统下默认使用DP模式调用所有显卡，不支持DDP。
|
||
# DP模式：
|
||
# 设置 distributed = False
|
||
# 在终端中输入 CUDA_VISIBLE_DEVICES=0,1 python train.py
|
||
# DDP模式：
|
||
# 设置 distributed = True
|
||
# 在终端中输入 CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.launch --nproc_per_node=2 train.py
|
||
# ---------------------------------------------------------------------#
|
||
distributed = False
|
||
# ---------------------------------------------------------------------#
|
||
# sync_bn 是否使用sync_bn，DDP模式多卡可用
|
||
# ---------------------------------------------------------------------#
|
||
sync_bn = False
|
||
# ---------------------------------------------------------------------#
|
||
# fp16 是否使用混合精度训练
|
||
# 可减少约一半的显存、需要pytorch1.7.1以上
|
||
# ---------------------------------------------------------------------#
|
||
fp16 = False
|
||
# -----------------------------------------------------#
|
||
# num_classes 训练自己的数据集必须要修改的
|
||
# 自己需要的分类个数+1，如2+1
|
||
# -----------------------------------------------------#
|
||
num_classes = 10 + 1
|
||
# -------------------------------------------------------------------#
|
||
# 所使用的的主干网络：
|
||
# b0、b1、b2、b3、b4、b5
|
||
# -------------------------------------------------------------------#
|
||
phi = "b0"
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
# pretrained 是否使用主干网络的预训练权重，此处使用的是主干的权重，因此是在模型构建的时候进行加载的。
|
||
# 如果设置了model_path，则主干的权值无需加载，pretrained的值无意义。
|
||
# 如果不设置model_path，pretrained = True，此时仅加载主干开始训练。
|
||
# 如果不设置model_path，pretrained = False，Freeze_Train = Fasle，此时从0开始训练，且没有冻结主干的过程。
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
pretrained = False
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
# 权值文件的下载请看README，可以通过网盘下载。模型的 预训练权重 对不同数据集是通用的，因为特征是通用的。
|
||
# 模型的 预训练权重 比较重要的部分是 主干特征提取网络的权值部分，用于进行特征提取。
|
||
# 预训练权重对于99%的情况都必须要用，不用的话主干部分的权值太过随机，特征提取效果不明显，网络训练的结果也不会好
|
||
# 训练自己的数据集时提示维度不匹配正常，预测的东西都不一样了自然维度不匹配
|
||
#
|
||
# 如果训练过程中存在中断训练的操作，可以将model_path设置成logs文件夹下的权值文件，将已经训练了一部分的权值再次载入。
|
||
# 同时修改下方的 冻结阶段 或者 解冻阶段 的参数，来保证模型epoch的连续性。
|
||
#
|
||
# 当model_path = ''的时候不加载整个模型的权值。
|
||
#
|
||
# 此处使用的是整个模型的权重，因此是在train.py进行加载的，pretrain不影响此处的权值加载。
|
||
# 如果想要让模型从主干的预训练权值开始训练，则设置model_path = ''，pretrain = True，此时仅加载主干。
|
||
# 如果想要让模型从0开始训练，则设置model_path = ''，pretrain = Fasle，Freeze_Train = Fasle，此时从0开始训练，且没有冻结主干的过程。
|
||
#
|
||
# 一般来讲，网络从0开始的训练效果会很差，因为权值太过随机，特征提取效果不明显，因此非常、非常、非常不建议大家从0开始训练！
|
||
# 如果一定要从0开始，可以了解imagenet数据集，首先训练分类模型，获得网络的主干部分权值，分类模型的 主干部分 和该模型通用，基于此进行训练。
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
model_path = r"model_data/segformer_b0_weights_voc.pth"
|
||
# ------------------------------#
|
||
# 输入图片的大小
|
||
# ------------------------------#
|
||
input_shape = [512, 512]
|
||
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
# 训练分为两个阶段，分别是冻结阶段和解冻阶段。设置冻结阶段是为了满足机器性能不足的同学的训练需求。
|
||
# 冻结训练需要的显存较小，显卡非常差的情况下，可设置Freeze_Epoch等于UnFreeze_Epoch，此时仅仅进行冻结训练。
|
||
#
|
||
# 在此提供若干参数设置建议，各位训练者根据自己的需求进行灵活调整：
|
||
# （一）从整个模型的预训练权重开始训练：
|
||
# Adam：
|
||
# Init_Epoch = 0，Freeze_Epoch = 50，UnFreeze_Epoch = 100，Freeze_Train = True，optimizer_type = 'adam'，Init_lr = 1e-4，weight_decay = 0。（冻结）
|
||
# Init_Epoch = 0，UnFreeze_Epoch = 100，Freeze_Train = False，optimizer_type = 'adam'，Init_lr = 1e-4，weight_decay = 0。（不冻结）
|
||
# AdamW：
|
||
# Init_Epoch = 0，Freeze_Epoch = 50，UnFreeze_Epoch = 100，Freeze_Train = True，optimizer_type = 'adamw'，Init_lr = 1e-4，weight_decay = 1e-2。（冻结）
|
||
# Init_Epoch = 0，UnFreeze_Epoch = 100，Freeze_Train = False，optimizer_type = 'adamw'，Init_lr = 1e-4，weight_decay = 1e-2。（不冻结）
|
||
# 其中：UnFreeze_Epoch可以在100-300之间调整。
|
||
# （二）从主干网络的预训练权重开始训练：
|
||
# Adam：
|
||
# Init_Epoch = 0，Freeze_Epoch = 50，UnFreeze_Epoch = 100，Freeze_Train = True，optimizer_type = 'adam'，Init_lr = 1e-4，weight_decay = 0。（冻结）
|
||
# Init_Epoch = 0，UnFreeze_Epoch = 100，Freeze_Train = False，optimizer_type = 'adam'，Init_lr = 1e-4，weight_decay = 0。（不冻结）
|
||
# AdamW：
|
||
# Init_Epoch = 0，Freeze_Epoch = 50，UnFreeze_Epoch = 100，Freeze_Train = True，optimizer_type = 'adamw'，Init_lr = 1e-4，weight_decay = 1e-2。（冻结）
|
||
# Init_Epoch = 0，UnFreeze_Epoch = 100，Freeze_Train = False，optimizer_type = 'adamw'，Init_lr = 1e-4，weight_decay = 1e-2。（不冻结）
|
||
# 其中：由于从主干网络的预训练权重开始训练，主干的权值不一定适合语义分割，需要更多的训练跳出局部最优解。
|
||
# UnFreeze_Epoch可以在100-300之间调整。
|
||
# （三）batch_size的设置：
|
||
# 在显卡能够接受的范围内，以大为好。显存不足与数据集大小无关，提示显存不足（OOM或者CUDA out of memory）请调小batch_size。
|
||
# 受到BatchNorm层影响，batch_size最小为2，不能为1。
|
||
# 正常情况下Freeze_batch_size建议为Unfreeze_batch_size的1-2倍。不建议设置的差距过大，因为关系到学习率的自动调整。
|
||
# ----------------------------------------------------------------------------------------------------------------------------#
|
||
# ------------------------------------------------------------------#
|
||
# 冻结阶段训练参数
|
||
# 此时模型的主干被冻结了，特征提取网络不发生改变
|
||
# 占用的显存较小，仅对网络进行微调
|
||
# Init_Epoch 模型当前开始的训练世代，其值可以大于Freeze_Epoch，如设置：
|
||
# Init_Epoch = 60、Freeze_Epoch = 50、UnFreeze_Epoch = 100
|
||
# 会跳过冻结阶段，直接从60代开始，并调整对应的学习率。
|
||
# （断点续练时使用）
|
||
# Freeze_Epoch 模型冻结训练的Freeze_Epoch
|
||
# (当Freeze_Train=False时失效)
|
||
# Freeze_batch_size 模型冻结训练的batch_size
|
||
# (当Freeze_Train=False时失效)
|
||
# ------------------------------------------------------------------#
|
||
Init_Epoch = 0
|
||
Freeze_Epoch = 50
|
||
Freeze_batch_size = 2
|
||
# ------------------------------------------------------------------#
|
||
# 解冻阶段训练参数
|
||
# 此时模型的主干不被冻结了，特征提取网络会发生改变
|
||
# 占用的显存较大，网络所有的参数都会发生改变
|
||
# UnFreeze_Epoch 模型总共训练的epoch
|
||
# Unfreeze_batch_size 模型在解冻后的batch_size
|
||
# ------------------------------------------------------------------#
|
||
UnFreeze_Epoch = 100
|
||
Unfreeze_batch_size = 16
|
||
# ------------------------------------------------------------------#
|
||
# Freeze_Train 是否进行冻结训练
|
||
# 默认先冻结主干训练后解冻训练。
|
||
# ------------------------------------------------------------------#
|
||
Freeze_Train = True
|
||
|
||
# ------------------------------------------------------------------#
|
||
# 其它训练参数：学习率、优化器、学习率下降有关
|
||
# ------------------------------------------------------------------#
|
||
# ------------------------------------------------------------------#
|
||
# Init_lr 模型的最大学习率
|
||
# 当使用Adam优化器时建议设置 Init_lr=1e-4
|
||
# 当使用AdamW优化器时建议设置 Init_lr=1e-4
|
||
# Transformer系列不建议使用SGD
|
||
# Min_lr 模型的最小学习率，默认为最大学习率的0.01
|
||
# ------------------------------------------------------------------#
|
||
Init_lr = 1e-4
|
||
Min_lr = Init_lr * 0.01
|
||
# ------------------------------------------------------------------#
|
||
# optimizer_type 使用到的优化器种类，可选的有adam、adamw、sgd
|
||
# momentum 优化器内部使用到的momentum参数
|
||
# weight_decay 权值衰减，可防止过拟合
|
||
# adam会导致weight_decay错误，使用adam时建议设置为0。
|
||
# ------------------------------------------------------------------#
|
||
optimizer_type = "adamw"
|
||
momentum = 0.9
|
||
weight_decay = 1e-2
|
||
# ------------------------------------------------------------------#
|
||
# lr_decay_type 使用到的学习率下降方式，可选的有'step'、'cos'
|
||
# ------------------------------------------------------------------#
|
||
lr_decay_type = 'cos'
|
||
# ------------------------------------------------------------------#
|
||
# save_period 多少个epoch保存一次权值
|
||
# ------------------------------------------------------------------#
|
||
save_period = 5
|
||
# ------------------------------------------------------------------#
|
||
# save_dir 权值与日志文件保存的文件夹
|
||
# ------------------------------------------------------------------#
|
||
save_dir = 'logs'
|
||
# ------------------------------------------------------------------#
|
||
# eval_flag 是否在训练时进行评估，评估对象为验证集
|
||
# eval_period 代表多少个epoch评估一次，不建议频繁的评估
|
||
# 评估需要消耗较多的时间，频繁评估会导致训练非常慢
|
||
# 此处获得的mAP会与get_map.py获得的会有所不同，原因有二：
|
||
# （一）此处获得的mAP为验证集的mAP。
|
||
# （二）此处设置评估参数较为保守，目的是加快评估速度。
|
||
# ------------------------------------------------------------------#
|
||
eval_flag = True
|
||
eval_period = 5
|
||
|
||
# ------------------------------------------------------------------#
|
||
# VOCdevkit_path 数据集路径
|
||
# ------------------------------------------------------------------#
|
||
VOCdevkit_path = 'VOCdevkit'
|
||
# ------------------------------------------------------------------#
|
||
# 建议选项：
|
||
# 种类少（几类）时，设置为True
|
||
# 种类多（十几类）时，如果batch_size比较大（10以上），那么设置为True
|
||
# 种类多（十几类）时，如果batch_size比较小（10以下），那么设置为False
|
||
# ------------------------------------------------------------------#
|
||
dice_loss = True
|
||
# ------------------------------------------------------------------#
|
||
# 是否使用focal loss来防止正负样本不平衡
|
||
# ------------------------------------------------------------------#
|
||
focal_loss = False
|
||
# ------------------------------------------------------------------#
|
||
# 是否给不同种类赋予不同的损失权值，默认是平衡的。
|
||
# 设置的话，注意设置成numpy形式的，长度和num_classes一样。
|
||
# 如：
|
||
# num_classes = 3
|
||
# cls_weights = np.array([1, 2, 3], np.float32)
|
||
# ------------------------------------------------------------------#
|
||
cls_weights = np.ones([num_classes], np.float32)
|
||
# ------------------------------------------------------------------#
|
||
# num_workers 用于设置是否使用多线程读取数据，1代表关闭多线程
|
||
# 开启后会加快数据读取速度，但是会占用更多内存
|
||
# keras里开启多线程有些时候速度反而慢了许多
|
||
# 在IO为瓶颈的时候再开启多线程，即GPU运算速度远大于读取图片的速度。
|
||
# ------------------------------------------------------------------#
|
||
num_workers = 6
|
||
|
||
seed_everything(seed)
|
||
# ------------------------------------------------------#
|
||
# 设置用到的显卡
|
||
# ------------------------------------------------------#
|
||
ngpus_per_node = torch.cuda.device_count()
|
||
if distributed:
|
||
dist.init_process_group(backend="nccl")
|
||
local_rank = int(os.environ["LOCAL_RANK"])
|
||
rank = int(os.environ["RANK"])
|
||
device = torch.device("cuda", local_rank)
|
||
if local_rank == 0:
|
||
print(f"[{os.getpid()}] (rank = {rank}, local_rank = {local_rank}) training...")
|
||
print("Gpu Device Count : ", ngpus_per_node)
|
||
else:
|
||
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
|
||
local_rank = 0
|
||
rank = 0
|
||
|
||
# ----------------------------------------------------#
|
||
# 下载预训练权重
|
||
# ----------------------------------------------------#
|
||
if pretrained:
|
||
if distributed:
|
||
if local_rank == 0:
|
||
download_weights(phi)
|
||
dist.barrier()
|
||
else:
|
||
download_weights(phi)
|
||
|
||
model = SegFormer(num_classes=num_classes, phi=phi, pretrained=pretrained)
|
||
if not pretrained:
|
||
weights_init(model)
|
||
if model_path != '':
|
||
# ------------------------------------------------------#
|
||
# 权值文件请看README，百度网盘下载
|
||
# ------------------------------------------------------#
|
||
if local_rank == 0:
|
||
print('Load weights {}.'.format(model_path))
|
||
|
||
# ------------------------------------------------------#
|
||
# 根据预训练权重的Key和模型的Key进行加载
|
||
# ------------------------------------------------------#
|
||
model_dict = model.state_dict()
|
||
pretrained_dict = torch.load(model_path, map_location=device)
|
||
load_key, no_load_key, temp_dict = [], [], {}
|
||
for k, v in pretrained_dict.items():
|
||
if k in model_dict.keys() and np.shape(model_dict[k]) == np.shape(v):
|
||
temp_dict[k] = v
|
||
load_key.append(k)
|
||
else:
|
||
no_load_key.append(k)
|
||
model_dict.update(temp_dict)
|
||
model.load_state_dict(model_dict)
|
||
# ------------------------------------------------------#
|
||
# 显示没有匹配上的Key
|
||
# ------------------------------------------------------#
|
||
if local_rank == 0:
|
||
print("\nSuccessful Load Key:", str(load_key)[:500], "……\nSuccessful Load Key Num:", len(load_key))
|
||
print("\nFail To Load Key:", str(no_load_key)[:500], "……\nFail To Load Key num:", len(no_load_key))
|
||
print("\n\033[1;33;44m温馨提示，head部分没有载入是正常现象，Backbone部分没有载入是错误的。\033[0m")
|
||
|
||
# ----------------------#
|
||
# 记录Loss
|
||
# ----------------------#
|
||
if local_rank == 0:
|
||
time_str = datetime.datetime.strftime(datetime.datetime.now(), '%Y_%m_%d_%H_%M_%S')
|
||
log_dir = os.path.join(save_dir, "loss_" + str(time_str))
|
||
loss_history = LossHistory(log_dir, model, input_shape=input_shape)
|
||
else:
|
||
loss_history = None
|
||
|
||
# ------------------------------------------------------------------#
|
||
# torch 1.2不支持amp，建议使用torch 1.7.1及以上正确使用fp16
|
||
# 因此torch1.2这里显示"could not be resolve"
|
||
# ------------------------------------------------------------------#
|
||
if fp16:
|
||
from torch.cuda.amp import GradScaler as GradScaler
|
||
|
||
scaler = GradScaler()
|
||
else:
|
||
scaler = None
|
||
|
||
model_train = model.train()
|
||
# ----------------------------#
|
||
# 多卡同步Bn
|
||
# ----------------------------#
|
||
if sync_bn and ngpus_per_node > 1 and distributed:
|
||
model_train = torch.nn.SyncBatchNorm.convert_sync_batchnorm(model_train)
|
||
elif sync_bn:
|
||
print("Sync_bn is not support in one gpu or not distributed.")
|
||
|
||
if Cuda:
|
||
if distributed:
|
||
# ----------------------------#
|
||
# 多卡平行运行
|
||
# ----------------------------#
|
||
model_train = model_train.cuda(local_rank)
|
||
model_train = torch.nn.parallel.DistributedDataParallel(model_train, device_ids=[local_rank],
|
||
find_unused_parameters=True)
|
||
else:
|
||
model_train = torch.nn.DataParallel(model)
|
||
cudnn.benchmark = True
|
||
model_train = model_train.cuda()
|
||
|
||
# ---------------------------#
|
||
# 读取数据集对应的txt
|
||
# ---------------------------#
|
||
with open(os.path.join(VOCdevkit_path, "VOC2007/ImageSets/Segmentation/train.txt"), "r") as f:
|
||
train_lines = f.readlines()
|
||
with open(os.path.join(VOCdevkit_path, "VOC2007/ImageSets/Segmentation/val.txt"), "r") as f:
|
||
val_lines = f.readlines()
|
||
num_train = len(train_lines)
|
||
num_val = len(val_lines)
|
||
|
||
if local_rank == 0:
|
||
show_config(
|
||
num_classes=num_classes, phi=phi, model_path=model_path, input_shape=input_shape, \
|
||
Init_Epoch=Init_Epoch, Freeze_Epoch=Freeze_Epoch, UnFreeze_Epoch=UnFreeze_Epoch,
|
||
Freeze_batch_size=Freeze_batch_size, Unfreeze_batch_size=Unfreeze_batch_size, Freeze_Train=Freeze_Train, \
|
||
Init_lr=Init_lr, Min_lr=Min_lr, optimizer_type=optimizer_type, momentum=momentum,
|
||
lr_decay_type=lr_decay_type, \
|
||
save_period=save_period, save_dir=save_dir, num_workers=num_workers, num_train=num_train, num_val=num_val
|
||
)
|
||
# ---------------------------------------------------------#
|
||
# 总训练世代指的是遍历全部数据的总次数
|
||
# 总训练步长指的是梯度下降的总次数
|
||
# 每个训练世代包含若干训练步长，每个训练步长进行一次梯度下降。
|
||
# 此处仅建议最低训练世代，上不封顶，计算时只考虑了解冻部分
|
||
# ----------------------------------------------------------#
|
||
wanted_step = 1.5e4 if optimizer_type == "adamw" else 0.5e4
|
||
total_step = num_train // Unfreeze_batch_size * UnFreeze_Epoch
|
||
if total_step <= wanted_step:
|
||
if num_train // Unfreeze_batch_size == 0:
|
||
raise ValueError('数据集过小，无法进行训练，请扩充数据集。')
|
||
wanted_epoch = wanted_step // (num_train // Unfreeze_batch_size) + 1
|
||
print("\n\033[1;33;44m[Warning] 使用%s优化器时，建议将训练总步长设置到%d以上。\033[0m" % (
|
||
optimizer_type, wanted_step))
|
||
print(
|
||
"\033[1;33;44m[Warning] 本次运行的总训练数据量为%d，Unfreeze_batch_size为%d，共训练%d个Epoch，计算出总训练步长为%d。\033[0m" % (
|
||
num_train, Unfreeze_batch_size, UnFreeze_Epoch, total_step))
|
||
print("\033[1;33;44m[Warning] 由于总训练步长为%d，小于建议总步长%d，建议设置总世代为%d。\033[0m" % (
|
||
total_step, wanted_step, wanted_epoch))
|
||
|
||
# ------------------------------------------------------#
|
||
# 主干特征提取网络特征通用，冻结训练可以加快训练速度
|
||
# 也可以在训练初期防止权值被破坏。
|
||
# Init_Epoch为起始世代
|
||
# Interval_Epoch为冻结训练的世代
|
||
# Epoch总训练世代
|
||
# 提示OOM或者显存不足请调小Batch_size
|
||
# ------------------------------------------------------#
|
||
if True:
|
||
UnFreeze_flag = False
|
||
# ------------------------------------#
|
||
# 冻结一定部分训练
|
||
# ------------------------------------#
|
||
if Freeze_Train:
|
||
for param in model.backbone.parameters():
|
||
param.requires_grad = False
|
||
|
||
# -------------------------------------------------------------------#
|
||
# 如果不冻结训练的话，直接设置batch_size为Unfreeze_batch_size
|
||
# -------------------------------------------------------------------#
|
||
batch_size = Freeze_batch_size if Freeze_Train else Unfreeze_batch_size
|
||
|
||
# -------------------------------------------------------------------#
|
||
# 判断当前batch_size，自适应调整学习率
|
||
# -------------------------------------------------------------------#
|
||
nbs = 16
|
||
lr_limit_max = 1e-4 if optimizer_type in ['adam', 'adamw'] else 5e-2
|
||
lr_limit_min = 3e-5 if optimizer_type in ['adam', 'adamw'] else 5e-4
|
||
Init_lr_fit = min(max(batch_size / nbs * Init_lr, lr_limit_min), lr_limit_max)
|
||
Min_lr_fit = min(max(batch_size / nbs * Min_lr, lr_limit_min * 1e-2), lr_limit_max * 1e-2)
|
||
|
||
# ---------------------------------------#
|
||
# 根据optimizer_type选择优化器
|
||
# ---------------------------------------#
|
||
optimizer = {
|
||
'adam': optim.Adam(model.parameters(), Init_lr_fit, betas=(momentum, 0.999), weight_decay=weight_decay),
|
||
'adamw': optim.AdamW(model.parameters(), Init_lr_fit, betas=(momentum, 0.999), weight_decay=weight_decay),
|
||
'sgd': optim.SGD(model.parameters(), Init_lr_fit, momentum=momentum, nesterov=True,
|
||
weight_decay=weight_decay)
|
||
}[optimizer_type]
|
||
|
||
# ---------------------------------------#
|
||
# 获得学习率下降的公式
|
||
# ---------------------------------------#
|
||
lr_scheduler_func = get_lr_scheduler(lr_decay_type, Init_lr_fit, Min_lr_fit, UnFreeze_Epoch)
|
||
|
||
# ---------------------------------------#
|
||
# 判断每一个世代的长度
|
||
# ---------------------------------------#
|
||
epoch_step = num_train // batch_size
|
||
epoch_step_val = num_val // batch_size
|
||
|
||
if epoch_step == 0 or epoch_step_val == 0:
|
||
raise ValueError("数据集过小，无法继续进行训练，请扩充数据集。")
|
||
|
||
train_dataset = SegmentationDataset(train_lines, input_shape, num_classes, True, VOCdevkit_path)
|
||
val_dataset = SegmentationDataset(val_lines, input_shape, num_classes, False, VOCdevkit_path)
|
||
|
||
if distributed:
|
||
train_sampler = torch.utils.data.distributed.DistributedSampler(train_dataset, shuffle=True, )
|
||
val_sampler = torch.utils.data.distributed.DistributedSampler(val_dataset, shuffle=False, )
|
||
batch_size = batch_size // ngpus_per_node
|
||
shuffle = False
|
||
else:
|
||
train_sampler = None
|
||
val_sampler = None
|
||
shuffle = True
|
||
|
||
gen = DataLoader(train_dataset, shuffle=shuffle, batch_size=batch_size, num_workers=num_workers,
|
||
pin_memory=True,
|
||
drop_last=True, collate_fn=seg_dataset_collate, sampler=train_sampler,
|
||
worker_init_fn=partial(worker_init_fn, rank=rank, seed=seed))
|
||
gen_val = DataLoader(val_dataset, shuffle=shuffle, batch_size=batch_size, num_workers=num_workers,
|
||
pin_memory=True,
|
||
drop_last=True, collate_fn=seg_dataset_collate, sampler=val_sampler,
|
||
worker_init_fn=partial(worker_init_fn, rank=rank, seed=seed))
|
||
|
||
# ----------------------#
|
||
# 记录eval的map曲线
|
||
# ----------------------#
|
||
if local_rank == 0:
|
||
eval_callback = EvalCallback(model, input_shape, num_classes, val_lines, VOCdevkit_path, log_dir, Cuda, \
|
||
eval_flag=eval_flag, period=eval_period)
|
||
else:
|
||
eval_callback = None
|
||
|
||
# ---------------------------------------#
|
||
# 开始模型训练
|
||
# ---------------------------------------#
|
||
for epoch in range(Init_Epoch, UnFreeze_Epoch):
|
||
# ---------------------------------------#
|
||
# 如果模型有冻结学习部分
|
||
# 则解冻，并设置参数
|
||
# ---------------------------------------#
|
||
if epoch >= Freeze_Epoch and not UnFreeze_flag and Freeze_Train:
|
||
batch_size = Unfreeze_batch_size
|
||
|
||
# -------------------------------------------------------------------#
|
||
# 判断当前batch_size，自适应调整学习率
|
||
# -------------------------------------------------------------------#
|
||
nbs = 16
|
||
lr_limit_max = 1e-4 if optimizer_type in ['adam', 'adamw'] else 5e-2
|
||
lr_limit_min = 3e-5 if optimizer_type in ['adam', 'adamw'] else 5e-4
|
||
Init_lr_fit = min(max(batch_size / nbs * Init_lr, lr_limit_min), lr_limit_max)
|
||
Min_lr_fit = min(max(batch_size / nbs * Min_lr, lr_limit_min * 1e-2), lr_limit_max * 1e-2)
|
||
# ---------------------------------------#
|
||
# 获得学习率下降的公式
|
||
# ---------------------------------------#
|
||
lr_scheduler_func = get_lr_scheduler(lr_decay_type, Init_lr_fit, Min_lr_fit, UnFreeze_Epoch)
|
||
|
||
for param in model.backbone.parameters():
|
||
param.requires_grad = True
|
||
|
||
epoch_step = num_train // batch_size
|
||
epoch_step_val = num_val // batch_size
|
||
|
||
if epoch_step == 0 or epoch_step_val == 0:
|
||
raise ValueError("数据集过小，无法继续进行训练，请扩充数据集。")
|
||
|
||
gen = DataLoader(train_dataset, shuffle=shuffle, batch_size=batch_size, num_workers=num_workers,
|
||
pin_memory=True,
|
||
drop_last=True, collate_fn=seg_dataset_collate, sampler=train_sampler,
|
||
worker_init_fn=partial(worker_init_fn, rank=rank, seed=seed))
|
||
gen_val = DataLoader(val_dataset, shuffle=shuffle, batch_size=batch_size, num_workers=num_workers,
|
||
pin_memory=True,
|
||
drop_last=True, collate_fn=seg_dataset_collate, sampler=val_sampler,
|
||
worker_init_fn=partial(worker_init_fn, rank=rank, seed=seed))
|
||
|
||
UnFreeze_flag = True
|
||
|
||
if distributed:
|
||
train_sampler.set_epoch(epoch)
|
||
|
||
set_optimizer_lr(optimizer, lr_scheduler_func, epoch)
|
||
|
||
fit_one_epoch(model_train, model, loss_history, eval_callback, optimizer, epoch, epoch_step, epoch_step_val,
|
||
gen, gen_val, UnFreeze_Epoch, Cuda, \
|
||
dice_loss, focal_loss, cls_weights, num_classes, fp16, scaler, save_period, save_dir,
|
||
local_rank)
|
||
|
||
if distributed:
|
||
dist.barrier()
|
||
|
||
if local_rank == 0:
|
||
loss_history.writer.close()
|