ipynb 파일로 train 실행하기

[jsh0551]

블럭 별로 셀에 넣어서 실행하시면 됩니다.
차후에 augmentation 확인하는 코드도 추가할 예정입니다.
오류 생기거나 원하는 추가기능 있으면 말씀해주세요!

from mmcv import Config
from mmseg.datasets import build_dataset
from mmseg.models import build_segmentor
from mmseg.apis import train_segmentor
from mmseg.datasets import (build_dataloader, build_dataset)
import mmcv
import os
from mmseg.apis import set_random_seed

데이터 및 모델 경로 설정

data_root = '/opt/ml/input/mmseg'
model_path = '/opt/ml/mmsegmentation/_MyModel/_models_'
model_name = 'deeplabv3_r50-d8_512x1024_40k_cityscapes.py'
cfg = Config.fromfile(os.path.join(model_path,model_name))

실험 환경 설정

cfg.norm_cfg = dict(type='BN', requires_grad=True)
cfg.model.backbone.norm_cfg = cfg.norm_cfg
cfg.model.decode_head.norm_cfg = cfg.norm_cfg
cfg.model.auxiliary_head.norm_cfg = cfg.norm_cfg
cfg.model.decode_head.num_classes = 11
cfg.model.auxiliary_head.num_classes = 11

# data root
cfg.data_root = data_root

# batch size
cfg.data.samples_per_gpu = 16
cfg.data.workers_per_gpu=8

cfg.data.train.data_root = cfg.data_root
cfg.data.train.img_dir = 'images'
cfg.data.train.ann_dir = 'annotations'
cfg.data.train.split = 'splits/train.txt'

cfg.data.val.data_root = cfg.data_root
cfg.data.val.img_dir = 'images'
cfg.data.val.ann_dir = 'annotations'
cfg.data.val.split = 'splits/valid.txt'

# where checkpoints saved
cfg.work_dir = './work_dirs/deeplabv3_r50-d8'

 # max epoch
cfg.runner.max_epochs = 80

# train 정보 출력 간격
cfg.log_config.interval = 50
cfg.optimizer_config.grad_clip = dict(max_norm=35, norm_type=2)

# max_keep_ckpts : pht 파일 최대 저장 갯수
# interval : pth 저장 간격
cfg.checkpoint_config = dict(max_keep_ckpts=10, interval=2) 

# Set seed to facitate reproducing the result
cfg.seed = 0
set_random_seed(0, deterministic=False)
cfg.gpu_ids = range(1)

데이터셋, 모델 선언

datasets = build_dataset(cfg.data.train)
model = build_segmentor(cfg.model)
model.init_weights()

학습
train_segmentor(model, datasets, cfg, distributed=False, validate=True,meta=dict())