fast-reid跑通自己的数据

1.一步一步跑通自己的额数据

2.遇到的报错

2.1 fastreid The size of tensor a (3) must match the size of tensor b (4) at non-singleton dimension 0

1.一步一步跑通自己的额数据

上一篇介绍了怎样搭建FastReID的环境和FastReID的一些报错处理，接下来介绍一步一步的跑通自己的数据；

首先进入configs目录，新建了一个文件夹，命名为‘suitcase’，然后加入‘AGW_R50.yml’;

AGW_R50.yml的内容如下：

_BASE_: ../Base-AGW.ymlDATASETS:NAMES: ("IDLabeling_machine",)TESTS: ("IDLabeling_machine300",)OUTPUT_DIR: logs/Labeling_machine/agw_R50

然后进入‘Base-AGW.yml’中修改参数设置：

_BASE_: Base-bagtricks.yml #Base-AGW的上一级配置文件MODEL:BACKBONE:WITH_NL: True #模型是否使用No_local moduleHEADS:POOL_LAYER: GeneralizedMeanPooling # HEAD POOL_LAYERSLOSSES:NAME: ("CrossEntropyLoss", "TripletLoss") #使用lossCE:EPSILON: 0.1  #CrossEntropyLoss 超参SCALE: 1.0TRI:MARGIN: 0.3 #0.0        #TripletLoss 超参数HARD_MINING: True #FalseSCALE: 1.0

进入'Base-bagtricks.yml'中修改参数：

MODEL:META_ARCHITECTURE: BaselineBACKBONE:NAME: build_resnet_backboneNORM: BN                        #模型NORM 如果是多卡需要设置syncBN 多卡同步BNDEPTH: 50xLAST_STRIDE: 1FEAT_DIM: 2048                  #输出特征维度WITH_IBN: True #FalsePRETRAIN: TruePRETRAIN_PATH: './model/weihai-suitcase-reid/20211203-3/model/resnest50_1203.pth'HEADS:NAME: EmbeddingHeadNORM: BN                #模型NORM 如果是多卡需要设置syncBN 多卡同步BNWITH_BNNECK: TruePOOL_LAYER: GeneralizedMeanPooling #GlobalAvgPoolNECK_FEAT: beforeCLS_LAYER: LinearLOSSES:NAME: ("CrossEntropyLoss", "TripletLoss",)CE:EPSILON: 0.1SCALE: 1.TRI:MARGIN: 0.3HARD_MINING: TrueNORM_FEAT: FalseSCALE: 1.INPUT:SIZE_TRAIN: [ 256, 256 ] #[ 256, 128 ]SIZE_TEST: [ 256, 256 ] #[ 256, 128 ]REA:ENABLED: TruePROB: 0.5FLIP:ENABLED: TruePADDING:ENABLED: TrueDATALOADER:SAMPLER_TRAIN: NaiveIdentitySamplerNUM_INSTANCE: 4NUM_WORKERS: 8SOLVER:AMP:ENABLED: TrueOPT: AdamMAX_EPOCH: 200 #120BASE_LR: 0.0005 #0.00035WEIGHT_DECAY: 0.0005WEIGHT_DECAY_NORM: 0.0005IMS_PER_BATCH: 128 #64               #设置batch sizeSCHED: CosineAnnealingLR #MultiStepLRSTEPS: [ 40, 90 ]GAMMA: 0.1WARMUP_FACTOR: 0.1WARMUP_ITERS: 2000CHECKPOINT_PERIOD: 30TEST:EVAL_PERIOD: 30IMS_PER_BATCH: 256 #128CUDNN_BENCHMARK: True

其中目前包含的数据增强方式：

INPUT:SIZE_TRAIN: [ 256, 256 ] #[ 256, 128 ]SIZE_TEST: [ 256, 256 ] #[ 256, 128 ]REA:ENABLED: TruePROB: 0.5FLIP:ENABLED: TrueCROP:ENABLED: TrueAFFINE:ENABLED: TrueAUTOAUG:ENABLED: TruePROB: 0.2CJ:ENABLED: TruePROB:0.5#  AUGMIX:
#    ENABLED: False
#      PROB: 0.2#  RPT:
#    ENABLED: False
#      PROB: 0.2#  PADDING:
#    ENABLED: False

然后加入自己的数据处理代码：

同时在__init__.py中加入函数类，方便调用：

from .suitcase import IDLabeling_machine, IDLabeling_machine300

其中‘suitcase.py’代码中加入函数类：

这里的具体代码可以参考同一级目录下的数据处理代码来编码；

2.遇到的报错

2.1 fastreid The size of tensor a (3) must match the size of tensor b (4) at non-singleton dimension 0

报错原因是：收集训练样本的时候混入了使用快捷键裁剪的图片（后缀有*.png）;

处理方法：使用opencv读取这类图片，重新保存为后缀为*.jpg的图片；

参考：How to train Custom Dataset · Issue #220 · JDAI-CV/fast-reid · GitHub

If yes, please check that if images in your dataset had alpha channel? And then remove the alpha channel, only keep B,G,R channels.