paddle detection整体结构

核心思想就是通过Yaml文件将主体模块和可拔插的模块组成一个完整的pipline.

train.py流程解析：

初始化训练参数

        1 parser=ArgsParser() #读取命令行传递参数，加载yaml文件参数

        2 整合参数，检查参数配置是否正确

        3 检查是否使用GPU加速

        4 检查paddledet版本是否正确

        5 进入run()函数

                配置阶段：

                        系统变量配置、初始化、得到GPU数量

                        创建数据读取类

                        创建网络结构类

                        创建学习率类

                        创建优化器类

                        初始化模型权重、加载预训练模型、模型与优化器整合

                        是否多卡，并行训练

                开始训练：

                        遍历数据，开始循环训练，根据时间戳计算时间

                        模型前向推理，反向传播

                        每一个iter结束后输出日志

                        打印log

eval.py流程解析

初始化训练参数：

        parser=ArgsParser() #读取命令行传递参数，加载yaml文件参数

        参数整合，检查参数配置是否正确

        使用GPU加速

        查看paddledet版本是否正确

        进入run()函数

                配置阶段：

                        创建网络结构类

                        初始化模型权重，加载预训练模型

                        创建数据读取类

                开始评估

                        遍历数据，开始前向推理，收集结果

                        选择Metric评估标准

                        输出日志

infer.py流程解析

初始化训练参数：

        parser=ArgParser() #读取命令行传递参数，加载yaml文件参数

        参数整合，检查参数配置是否正确

        GPU使用是否正确

        查看paddledet版本是否正确

        进入run()函数

                配置阶段：

                        创建网络结构类

                        初始化模型权重，加载预训练模型

                        初始化模型权重，加载预训练模型

                        创建数据读取类

                        选择推理标准

                开启推理：
                        遍历数据，开始前向推理，收集结果

                        保存推理结果

                        使用visualdl保存图片结果

export_model.py流程解析：

        初始化训练参数

                设置cpu环境执行，parser=ArgsParser() #读取命令行传递参数，加载yaml文件参数

                BN参数转换为推理参数，将参数整合，检查参数配置

                GPU加速

                查看paddle版本

                进入run()函数

                        配置阶段

                                创建网络结构类

                                 初始化模型权重

                                转为静态图，保存模型

                        

参考：PaddleDetection整体结构概述_无情铁铲的博客-CSDN博客