我们整合了模块和继承设计到我们的配置里，这便于做很多实验。如果您想查看配置文件，您可以运行 python tools/print_config.py /PATH/TO/CONFIG 去查看完整的配置文件。您还可以传递参数
--cfg-options xxx.yyy=zzz 去查看更新的配置。
配置文件的结构
在 config/_base_ 文件夹下面有4种基本组件类型： 数据集(dataset)，模型(model)，训练策略(schedule)和运行时的默认设置(default runtime)。许多方法都可以方便地通过组合这些组件进行实现。
这样，像 DeepLabV3, PSPNet 这样的模型可以容易地被构造。被来自 _base_ 下的组件来构建的配置叫做 原始配置 (primitive)。
对于所有在同一个文件夹下的配置文件，推荐只有一个对应的原始配置文件。所有其他的配置文件都应该继承自这个原始配置文件。这样就能保证配置文件的最大继承深度为 3。
为了便于理解，我们推荐社区贡献者继承已有的方法配置文件。
例如，如果一些修改是基于 DeepLabV3，使用者首先首先应该通过指定 _base_ = ../deeplabv3/deeplabv3_r50_512x1024_40ki_cityscapes.py来继承基础 DeepLabV3 结构，再去修改配置文件里其他内容以完成继承。
如果您正在构建一个完整的新模型，它完全没有和已有的方法共享一些结构，您可能需要在 configs 下面创建一个文件夹 xxxnet。
更详细的文档，请参照 mmcv 。
配置文件命名风格
我们按照下面的风格去命名配置文件，社区贡献者被建议使用同样的风格。
{model}_{backbone}_[misc]_[gpu x batch_per_gpu]_{resolution}_{schedule}_{dataset}
{xxx} 是被要求的文件 [yyy] 是可选的。
{model}: 模型种类，例如psp，deeplabv3等等{backbone}: 主干网络种类，例如r50(ResNet-50)，x101(ResNeXt-101)[misc]: 模型中各式各样的设置/插件，例如dconv，gcb，attention，mstrain[gpu x batch_per_gpu]: GPU数目 和每个 GPU 的样本数， 默认为8x2{schedule}: 训练方案，20ki意思是 20k 迭代轮数{dataset}: 数据集，如cityscapes，voc12aug，ade
PSPNet 的一个例子
为了帮助使用者熟悉这个流行的语义分割框架的完整配置文件和模块，我们在下面对使用 ResNet50V1c 的 PSPNet 的配置文件做了详细的注释说明。
更多的详细使用和其他模块的替代项请参考 API 文档。
norm_cfg = dict(type='SyncBN', requires_grad=True) # 分割框架通常使用 SyncBN model = dict( type='EncoderDecoder', # 分割器(segmentor)的名字 pretrained='open-mmlab://resnet50_v1c', # 将被加载的 ImageNet 预训练主干网络 backbone=dict( type='ResNetV1c', # 主干网络的类别。 可用选项请参考 mmseg/models/backbones/resnet.py depth=50, # 主干网络的深度。通常为 50 和 101。 num_stages=4, # 主干网络状态(stages)的数目，这些状态产生的特征图作为后续的 head 的输入。 out_indices=(0, 1, 2, 3), # 每个状态产生的特征图输出的索引。 dilations=(1, 1, 2, 4), # 每一层(layer)的空心率(dilation rate)。 strides=(1, 2, 1, 1), # 每一层(layer)的步长(stride)。 norm_cfg=dict( # 归一化层(norm layer)的配置项。 type='SyncBN', # 归一化层的类别。通常是 SyncBN。 requires_grad=True), # 是否训练归一化里的 gamma 和 beta。 norm_eval=False, # 是否冻结 BN 里的统计项。 style='pytorch', # 主干网络的风格，'pytorch' 意思是步长为2的层为 3x3 卷积， 'caffe' 意思是步长为2的层为 1x1 卷积。 contract_dilation=True), # 当空洞 > 1, 是否压缩第一个空洞层。 decode_head=dict( type='PSPHead', # 解码头(decode head)的类别。 可用选项请参考 mmseg/models/decode_heads。 in_channels=2048, # 解码头的输入通道数。 in_index=3, # 被选择的特征图(feature map)的索引。 channels=512, # 解码头中间态(intermediate)的通道数。 pool_scales=(1, 2, 3, 6), # PSPHead 平均池化(avg pooling)的规模(scales)。 细节请参考文章内容。 dropout_ratio=0.1, # 进入最后分类层(classification layer)之前的 dropout 比例。 num_classes=19, # 分割前景的种类数目。 通常情况下，cityscapes 为19，VOC为21，ADE20k 为150。 norm_cfg=dict(type='SyncBN', requires_grad=True), # 归一化层的配置项。 align_corners=False, # 解码里调整大小(resize)的 align_corners 参数。 loss_decode=dict( # 解码头(decode_head)里的损失函数的配置项。 type='CrossEntropyLoss', # 在分割里使用的损失函数的类别。 use_sigmoid=False, # 在分割里是否使用 sigmoid 激活。 loss_weight=1.0)), # 解码头里损失的权重。 auxiliary_head=dict( type='FCNHead', # 辅助头(auxiliary head)的种类。可用选项请参考 mmseg/models/decode_heads。 in_channels=1024, # 辅助头的输入通道数。 in_index=2, # 被选择的特征图(feature map)的索引。 channels=256, # 辅助头中间态(intermediate)的通道数。 num_convs=1, # FCNHead 里卷积(convs)的数目. 辅助头里通常为1。 concat_input=False, # 在分类层(classification layer)之前是否连接(concat)输入和卷积的输出。 dropout_ratio=0.1, # 进入最后分类层(classification layer)之前的 dropout 比例。 num_classes=19, # 分割前景的种类数目。 通常情况下，cityscapes 为19，VOC为21，ADE20k 为150。 norm_cfg=dict(type='SyncBN', requires_grad=True), # 归一化层的配置项。 align_corners=False, # 解码里调整大小(resize)的 align_corners 参数。 loss_decode=dict( # 辅助头(auxiliary head)里的损失函数的配置项。 type='CrossEntropyLoss', # 在分割里使用的损失函数的类别。 use_sigmoid=False, # 在分割里是否使用 sigmoid 激活。 loss_weight=0.4))) # 辅助头里损失的权重。默认设置为0.4。 train_cfg = dict() # train_cfg 当前仅是一个占位符。 test_cfg = dict(mode='whole') # 测试模式， 选项是 'whole' 和 'sliding'. 'whole': 整张图像全卷积(fully-convolutional)测试。 'sliding': 图像上做滑动裁剪窗口(sliding crop window)。 dataset_type = 'CityscapesDataset' # 数据集类型，这将被用来定义数据集。 data_root = 'data/cityscapes/' # 数据的根路径。 img_norm_cfg = dict( # 图像归一化配置，用来归一化输入的图像。 mean=[123.675, 116.28, 103.53], # 预训练里用于预训练主干网络模型的平均值。 std=[58.395, 57.12, 57.375], # 预训练里用于预训练主干网络模型的标准差。 to_rgb=True) # 预训练里用于预训练主干网络的图像的通道顺序。 crop_size = (512, 1024) # 训练时的裁剪大小 train_pipeline = [ #训练流程 dict(type='LoadImageFromFile'), # 第1个流程，从文件路径里加载图像。 dict(type='LoadAnnotations'), # 第2个流程，对于当前图像，加载它的注释信息。 dict(type='Resize', # 变化图像和其注释大小的数据增广的流程。 img_scale=(2048, 1024), # 图像的最大规模。 ratio_range=(0.5, 2.0)), # 数据增广的比例范围。 dict(type='RandomCrop', # 随机裁剪当前图像和其注释大小的数据增广的流程。 crop_size=(512, 1024), # 随机裁剪图像生成 patch 的大小。 cat_max_ratio=0.75), # 单个类别可以填充的最大区域的比例。 dict( type='RandomFlip', # 翻转图像和其注释大小的数据增广的流程。 flip_ratio=0.5), # 翻转图像的概率 dict(type='PhotoMetricDistortion'), # 光学上使用一些方法扭曲当前图像和其注释的数据增广的流程。 dict( type='Normalize', # 归一化当前图像的数据增广的流程。 mean=[123.675, 116.28, 103.53], # 这些键与 img_norm_cfg 一致，因为 img_norm_cfg 被 std=[58.395, 57.12, 57.375], # 用作参数。 to_rgb=True), dict(type='Pad', # 填充当前图像到指定大小的数据增广的流程。 size=(512, 1024), # 填充的图像大小。 pad_val=0, # 图像的填充值。 seg_pad_val=255), # 'gt_semantic_seg'的填充值。 dict(type='DefaultFormatBundle'), # 流程里收集数据的默认格式捆。 dict(type='Collect', # 决定数据里哪些键被传递到分割器里的流程。 keys=['img', 'gt_semantic_seg']) ] test_pipeline = [ dict(type='LoadImageFromFile'), # 第1个流程，从文件路径里加载图像。 dict( type='MultiScaleFlipAug', # 封装测试时数据增广(test time augmentations)。 img_scale=(2048, 1024), # 决定测试时可改变图像的最大规模。用于改变图像大小的流程。 flip=False, # 测试时是否翻转图像。 transforms=[ dict(type='Resize', # 使用改变图像大小的数据增广。 keep_ratio=True), # 是否保持宽和高的比例，这里的图像比例设置将覆盖上面的图像规模大小的设置。 dict(type='RandomFlip'), # 考虑到 RandomFlip 已经被添加到流程里，当 flip=False 时它将不被使用。 dict( type='Normalize', # 归一化配置项，值来自 img_norm_cfg。 mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='ImageToTensor', # 将图像转为张量 keys=['img']), dict(type='Collect', # 收集测试时必须的键的收集流程。 keys=['img']) ]) ] data = dict( samples_per_gpu=2, # 单个 GPU 的 Batch size workers_per_gpu=2, # 单个 GPU 分配的数据加载线程数 train=dict( # 训练数据集配置 type='CityscapesDataset', # 数据集的类别, 细节参考自 mmseg/datasets/。 data_root='data/cityscapes/', # 数据集的根目录。 img_dir='leftImg8bit/train', # 数据集图像的文件夹。 ann_dir='gtFine/train', # 数据集注释的文件夹。 pipeline=[ # 流程， 由之前创建的 train_pipeline 传递进来。 dict(type='LoadImageFromFile'), dict(type='LoadAnnotations'), dict( type='Resize', img_scale=(2048, 1024), ratio_range=(0.5, 2.0)), dict(type='RandomCrop', crop_size=(512, 1024), cat_max_ratio=0.75), dict(type='RandomFlip', flip_ratio=0.5), dict(type='PhotoMetricDistortion'), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='Pad', size=(512, 1024), pad_val=0, seg_pad_val=255), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_semantic_seg']) ]), val=dict( # 验证数据集的配置 type='CityscapesDataset', data_root='data/cityscapes/', img_dir='leftImg8bit/val', ann_dir='gtFine/val', pipeline=[ # 由之前创建的 test_pipeline 传递的流程。 dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(2048, 1024), flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']) ]) ]), test=dict( type='CityscapesDataset', data_root='data/cityscapes/', img_dir='leftImg8bit/val', ann_dir='gtFine/val', pipeline=[ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(2048, 1024), flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict( type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']) ]) ])) log_config = dict( # 注册日志钩 (register logger hook) 的配置文件。 interval=50, # 打印日志的间隔 hooks=[ # dict(type='TensorboardLoggerHook') # 同样支持 Tensorboard 日志 dict(type='TextLoggerHook', by_epoch=False) ]) dist_params = dict(backend='nccl') # 用于设置分布式训练的参数，端口也同样可被设置。 log_level = 'INFO' # 日志的级别。 load_from = None # 从一个给定路径里加载模型作为预训练模型，它并不会消耗训练时间。 resume_from = None # 从给定路径里恢复检查点(checkpoints)，训练模式将从检查点保存的轮次开始恢复训练。 workflow = [('train', 1)] # runner 的工作流程。 [('train', 1)] 意思是只有一个工作流程而且工作流程 'train' 仅执行一次。根据 `runner.max_iters` 工作流程训练模型的迭代轮数为40000次。 cudnn_benchmark = True # 是否是使用 cudnn_benchmark 去加速，它对于固定输入大小的可以提高训练速度。 optimizer = dict( # 用于构建优化器的配置文件。支持 PyTorch 中的所有优化器，同时它们的参数与PyTorch里的优化器参数一致。 type='SGD', # 优化器种类，更多细节可参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/optimizer/default_constructor.py#L13。 lr=0.01, # 优化器的学习率，参数的使用细节请参照对应的 PyTorch 文档。 momentum=0.9, # 动量 (Momentum) weight_decay=0.0005) # SGD 的衰减权重 (weight decay)。 optimizer_config = dict() # 用于构建优化器钩 (optimizer hook) 的配置文件，执行细节请参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/optimizer.py#L8。 lr_config = dict( policy='poly', # 调度流程的策略，同样支持 Step, CosineAnnealing, Cyclic 等. 请从 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/lr_updater.py#L9 参考 LrUpdater 的细节。 power=0.9, # 多项式衰减 (polynomial decay) 的幂。 min_lr=0.0001, # 用来稳定训练的最小学习率。 by_epoch=False) # 是否按照每个 epoch 去算学习率。 runner = dict( type='IterBasedRunner', # 将使用的 runner 的类别 (例如 IterBasedRunner 或 EpochBasedRunner)。 max_iters=40000) # 全部迭代轮数大小，对于 EpochBasedRunner 使用 `max_epochs` 。 checkpoint_config = dict( # 设置检查点钩子 (checkpoint hook) 的配置文件。执行时请参考 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/checkpoint.py。 by_epoch=False, # 是否按照每个 epoch 去算 runner。 interval=4000) # 保存的间隔 evaluation = dict( # 构建评估钩 (evaluation hook) 的配置文件。细节请参考 mmseg/core/evaluation/eval_hook.py。 interval=4000, # 评估的间歇点 metric='mIoU') # 评估的指标
FAQ
忽略基础配置文件里的一些域内容。
有时，您也许会设置 _delete_=True 去忽略基础配置文件里的一些域内容。
您也许可以参照 mmcv 来获得一些简单的指导。
在 MMSegmentation 里，例如为了改变 PSPNet 的主干网络的某些内容：
norm_cfg = dict(type='SyncBN', requires_grad=True) model = dict( type='MaskRCNN', pretrained='torchvision://resnet50', backbone=dict( type='ResNetV1c', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), dilations=(1, 1, 2, 4), strides=(1, 2, 1, 1), norm_cfg=norm_cfg, norm_eval=False, style='pytorch', contract_dilation=True), decode_head=dict(...), auxiliary_head=dict(...))
ResNet 和 HRNet 使用不同的关键词去构建。
_base_ = '../pspnet/psp_r50_512x1024_40ki_cityscpaes.py' norm_cfg = dict(type='SyncBN', requires_grad=True) model = dict( pretrained='open-mmlab://msra/hrnetv2_w32', backbone=dict( _delete_=True, type='HRNet', norm_cfg=norm_cfg, extra=dict( stage1=dict( num_modules=1, num_branches=1, block='BOTTLENECK', num_blocks=(4, ), num_channels=(64, )), stage2=dict( num_modules=1, num_branches=2, block='BASIC', num_blocks=(4, 4), num_channels=(32, 64)), stage3=dict( num_modules=4, num_branches=3, block='BASIC', num_blocks=(4, 4, 4), num_channels=(32, 64, 128)), stage4=dict( num_modules=3, num_branches=4, block='BASIC', num_blocks=(4, 4, 4, 4), num_channels=(32, 64, 128, 256)))), decode_head=dict(...), auxiliary_head=dict(...))
_delete_=True 将用新的键去替换 backbone 域内所有老的键。
使用配置文件里的中间变量
配置文件里会使用一些中间变量，例如数据集里的 train_pipeline/test_pipeline。
需要注意的是，在子配置文件里修改中间变量时，使用者需要再次传递这些变量给对应的域。
例如，我们想改变在训练或测试时，PSPNet 的多尺度策略 (multi scale strategy)，train_pipeline/test_pipeline 是我们想要修改的中间变量。
_base_ = '../pspnet/psp_r50_512x1024_40ki_cityscapes.py' crop_size = (512, 1024) img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations'), dict(type='Resize', img_scale=(2048, 1024), ratio_range=(1.0, 2.0)), # 改成 [1., 2.] dict(type='RandomCrop', crop_size=crop_size, cat_max_ratio=0.75), dict(type='RandomFlip', flip_ratio=0.5), dict(type='PhotoMetricDistortion'), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size=crop_size, pad_val=0, seg_pad_val=255), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_semantic_seg']), ] test_pipeline = [ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(2048, 1024), img_ratios=[0.5, 0.75, 1.0, 1.25, 1.5, 1.75], # 改成多尺度测试 (multi scale testing)。 flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict(type='Normalize', **img_norm_cfg), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']), ]) ] data = dict( train=dict(pipeline=train_pipeline), val=dict(pipeline=test_pipeline), test=dict(pipeline=test_pipeline))
我们首先定义新的 train_pipeline/test_pipeline 然后传递到 data 里。
同样的，如果我们想从 SyncBN 切换到 BN 或者 MMSyncBN，我们需要配置文件里的每一个 norm_cfg。
_base_ = '../pspnet/psp_r50_512x1024_40ki_cityscpaes.py' norm_cfg = dict(type='BN', requires_grad=True) model = dict( backbone=dict(norm_cfg=norm_cfg), decode_head=dict(norm_cfg=norm_cfg), auxiliary_head=dict(norm_cfg=norm_cfg))
