在不少热门的深度学习应用子领域中，开源工作者们往往会为研究者们提供通用的pipeline与抽象化工具，这能让研究者们更关注与模型的效果（雾...更高效地调参!）而不是与工程上的细节死扣。

实际上，PyTorch官方提供了Ignite这样的高级API，可以通过类似事件驱动编程的形式来调整训练、推理、数据集加载等过程的流水线。

当然，对更细分的领域，Ignite的抽象化程度可能就不如其余的库了，其中对目标检测领域，MMDetection（12.3K Star）可谓是独领风骚，整条目标检测的经典pipeline：从数据集到训练、推理、测试、指标评估全部搭好了！同时，MMDetection也有一定的灵活性，除了预设模块也支持用继承实现的特定模块。

但...这类开源项目的快速迭代会带来不少问题，比如说MMDetection在从v1到v2的路上步子就有点大了：从权重到模型声明语句都经历了翻天覆地的变化，而如果有开源论文恰好用的是V1版本的MMDetection的话，你只有两种选择：

  • 老老实实用作者版本配套的环境，但这会有许多问题：且不说你得按老版本重新搭建一套环境费时费力，甚至可能因为设备支持的CUDA版本问题没法成功搭建出老环境来。（如RTX3000系列GPU目前仅支持CUDA11+）
  • 给作者的代码做新版本适配

下面我记录一下为CascadeTabNet做v1到v2适配过程中踩到的坑，希望能给同样纠结于此的朋友们一些参考：

权重升级

MMDetection社区官方提供了v1到v2的升级脚本（小声BB：升级权重的脚本都做了，为啥不给个升级配置文件的脚本呢...），通过python upgrade_model_version.py [旧权重路径] [新权重路径] --num_classes 81可以让v1权重字段适配上v2。

升级脚本会读取权重中的'meta'字段，其中存储了模型训练时的配置，脚本会将此配置读取至临时目录，但注意：CascadeTabNet官方给出的权重epoch_36.pth中的配置文件首行有一行绝对路径/content/drive/My Drive/chunk cascade_mask_rcnn_hrnetv2p_w32_20e.py，这会导致升级脚本验证时报错，可通过以下方法移除：

# 下面步骤仅适用于CascadeTabNet
import torch
ckpt = torch.load('./epoch_36.pth')
info = ckpt['meta']['config'].split('\n')
info = info[1:]  # 去掉第一行
ckpt['meta']['config'] = '\n'.join(info)
torch.save(ckpt, './new_epoch_36.pth')

（其实也不能怪CascadeTabNet的作者吧，毕竟谁能预见到升级脚本还会读这种东西呢...）

注意，官方在这里提到了，直接转换权重会有略微的表现损失（在1个点左右），对表现有极端要求的建议参考配置文件升级里的内容用v2重新训练！

配置文件升级

MMDetection的抽象化API让我们摆脱了冗长的forward()函数，但其不同版本的兼容问题也让人头痛，下面总结了我遇到的会导致推理无法进行的兼容问题：

num_stages已经移除

报错：

TypeError: __init__() got an unexpected keyword argument 'num_stages'

model下不再有num_stages字段：

# v1
model = dict(
    type='CascadeRCNN',
    num_stages=3,
    pretrained='open-mmlab://msra/hrnetv2_w32',
    ...
# v2
model = dict(
    type='CascadeRCNN',
    pretrained='open-mmlab://msra/hrnetv2_w32',
    ...

anchor设置方式改动

报错：

TypeError: __init__() got an unexpected keyword argument 'anchor_scales'

anchor由三个的独立参数整合为由anchor_generator统一管理：

# v1
        anchor_scales=[8],
        anchor_ratios=[0.5, 1.0, 2.0],
        anchor_strides=[4, 8, 16, 32, 64],
# v2
        anchor_generator=dict(
            type='AnchorGenerator',
            scales=[8],
            ratios=[0.5, 1.0, 2.0],
            strides=[4, 8, 16, 32, 64]),

roi_head整合

报错：

TypeError: __init__() got an unexpected keyword argument 'bbox_roi_extractor'

bbox_roi_extractor, bbox_head, mask_roi_extractor ,mask_head四个字段整合至roi_head下，而不再与rpn_head等平级出现：

# v1
    bbox_roi_extractor=dict(
    ...
    ),
    bbox_head=[
    ...
    ]
    mask_roi_extractor=dict(
    ...
    ),
    mask_head=dict(
    ...
    )
# v2
    roi_head=dict(
        type='CascadeRoIHead',
        num_stages=3,
        stage_loss_weights=[1, 0.5, 0.25],
        # 这里多了三个字段
            bbox_roi_extractor=dict(
            ...
            ),
            bbox_head=[
            ...
            ]
            mask_roi_extractor=dict(
            ...
            ),
            mask_head=dict(
            ...
            )
    )

所有的num_classes由81变为80

报错：

'SharedFCBBoxHead' is not in ...

与目前MMDetection Repo里的预设配置文件对比可得，从文档中的compatibility部分可知v2版本调整了标签以减少classifier的参数量。

SharedFCBBoxHead 变为 Shared2FCBBoxHead

# v1
        dict(
            type='SharedFCBBoxHead',
            num_fcs=2,
            ...
# v2
        dict(
            type='Shared2FCBBoxHead',
            ...

target_means, target_stds由bbox_coder管理

# v1
            target_means=[0., 0., 0., 0.],
            target_stds=[0.1, 0.1, 0.2, 0.2],
            ...
# v2
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0., 0., 0., 0.],
                    target_stds=[0.1, 0.1, 0.2, 0.2]),
                    ...

以上内容我已整理为PR提交至此原作者Repo，并在PyTorch 1.7.0+cu110、torchvision 0.8.1+cu110、MMDetection 2.7.0、mmcv 1.2.1（均为2020年12月09日的最新正式版本）下测试通过。

Last modification：October 2nd, 2021 at 05:36 pm
© 允许规范转载
If you think my article is useful to you, please feel free to appreciate