MMCV组件Runner
Runner负责所有框架的训练过程调度。
配合各类的Hook，对外提供灵活的扩展能力。
1
2
3
4
5
6
7
8
9
10
11
12
| def val(self, data_loader, **kwargs):
self.model.eval()
self.mode = 'val'
self.data_loader = data_loader
self.call_hook('before_val_epoch')
time.sleep(2)
for i, data_batch in enumerate(self.data_loader):
self._inner_iter = i
self.call_hook('before_val_iter')
self.run_iter(data_batch, train_mode=False)
self.call_hook('after_val_iter')
self.call_hook('after_val_epoch')
|
在测是流程中，call_hook函数来按照优先级执行hook的不同阶段(e.g. after_val_epoch)的功能。
1
2
3
| def call_hook(self, fn_name):
for hook in self._hooks:
getattr(hook, fn_name)(self)
|
如何修改mmdetection中的验证流程代码
在配置中默认validate变量为true
注册eval hooks，Hook类为EvalHook
在runner的流程中，在一个epoch后会执行EvalHook的after_train_epoch代码，其调用_do_evaluate
1
2
3
4
5
| def _do_evaluate(self, runner):
"""perform evaluation and save ckpt."""
results = self.test_fn(runner.model, self.dataloader)
runner.log_buffer.output['eval_iter_num'] = len(self.dataloader)
key_score = self.evaluate(runner, results)
|
之后调用runner类的evaluate函数，调用datasets的evaluate函数，并将结果写入到runner.logger中，其是一个OrderedDict()字典结构(按照key插入顺序输出)，并将ready状态设置为True
修改自己数据集的evalute函数，如imagenet数据集的evaluate函数