版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zw__chen/article/details/87210932
本栏目分为6个部分：
文章目录
0 前言
数据集在detectron框架中部署好之后，数据集相关的工作就已经完成辣~本章节将对训练部分做详细介绍。本项目使用的是retinanet网络。
1 配置yaml文件
在Detectron\configs\12_2017_baselines目录下，复制文件retinanet_R-50-FPN_1x.yaml，放到另一个目录（这其实就是①为了备份一下②方便使用）。
如：本人将retinanet_R-50-FPN_1x.yaml复制到Detectron\configs\my目录下重命名为retinanet_R-50-FPN_1x1.0.yaml
2 修改yaml文件
对retinanet_R-50-FPN_1x1.0.yaml进行修改，如下图：
- NUM_CLASSES：类别+1 ==> 3+1=4
- WEIGHTS：可以自己根据给出的网址下载权重然后指定路径；也可以默认不改。
- TRAIN：DATASETS：之前生成的voc_2007_train.json ==>(‘voc_2007_train’,)
- TEST：DATASETS：之前生成的voc_2007_test.json ==>(‘voc_2007_test’,)
3 开始训练
cd到$Detectron目录下执行命令：
./tools/train.py --cfg configs/my/retinanet_R-50-FPN_1x1.0.yaml OUTPUT_DIR experiments/1.0/
--cfg：配置文件路径OUTPUT_DIR：训练的输出路径
接下来就是自行训练过程了~
第五部分到此结束。如有任何问题，欢迎留言交流学习。
关于yaml配置文件的疑问也欢迎留言交流喔~
扫描二维码关注公众号，回复：
5180913 查看本文章
