MMDetection v2 目标检测（4）：模型训练和测试

本文以 Faster R-CNN 为例，介绍如何使用 MMDetection v2 ，在 VOC 格式的自定义数据集上，训练和测试模型。

2021.9.1 更新： 适配 MMDetection v2.16

目录：

服务器的环境配置：

命令格式：

命令参数：

示例：

训练完成后，生成的模型检查点和日志文件，存放在 ./work_dirs 目录下。

命令参数：

命令格式：

命令参数：

示例：

测试结果文件评估

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

测试结果文件评估

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

绘制学习曲线

命令格式：

命令参数：

示例：

计算训练时间

命令格式：

命令参数：

示例：

计算模型复杂度

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

命令格式：

命令参数：

示例：

浏览训练集图像

命令格式：

命令参数：

示例：

打印完整配置

命令格式：

命令参数：

示例：

有帮助的话，点个赞再走吧，谢谢~

参考：

自适应时间步进。

默认情况下，COMSOLMultiphysics中的大多数瞬态问题都使用自适应时间步进方案进行求解。这意味着，软件将自动调整时间步长以保持所需的相对容差。其默认设置为物理场控制，如上面的屏幕截图所示。您也可以将该设置改为用户控制，然后可以手动输入不同的相对容差，如下面的屏幕截图所示。将相对容差降至较小的数值可以减小时间步，从而提高解的精度，但同时会增加求解时间。

这个区别大了去了。训练时间取决于很多因素：

计算机的配置

模型。线性回归模型训练较快，如果是多层神经元模型，就没边了，你用个100层的数据集，估计训练结束要明年了。

姑且猜你要说100万数据。这也取决于你每一条数据是什么，如果一条数据就是个3维向量或者5维向量，这倒还好。如果一条数据是一张1920x1080像素的照片。那训练完估计要2020年了。

---