mmdetection训练自己的数据集成功后绘制loss、accuracy曲线

此方法仅供自己学习用,纯属自己的学习笔记。

绘制方法参考Github上面的:mmdetection_visualize

在这里插入图片描述

按照上面的方法放置好相应的文件之后,下面放置json文件:

1、将faster_rcnn_r101_fpn_1x_coco.py得到的json文件放入mmdetection_visualize-master/json/文件夹下
2、然后将该json文件的表头文件删掉,第一行不能是空行!
3、然后把含有mAP的行删掉。
4、然后在mmdetection_visualize-master文件夹下右键打开terminal终端
(备注:虽然有些loss值是NaN,但是不影响)

source activate taoming
python visualize.py json/del-mAP-20201124_084311.log.json

回车运行成功!
在这里插入图片描述

版权声明:本文为CSDN博主「ruolyn」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/kellyroslyn/article/details/110086658

ruolyn

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

mmdetection之dataset类解读

前言 本篇是mmdetection源码解读第二篇,主要讲解mmdetection是初始化数据类的。本文以coco数据集为例,当然,源码解读不可能面面俱到,重要的是揣摩设计者的思想以及实现过

MMDetection目标检测实例

MMDetection目标检测实例 MMDetection基于cooc数据集,Faster-rcnn方法的目标识别训练 前言
接触深度学习目标检测工具箱MMDetection将近一周了,学习过程十分艰难&#xff0