Day 0

第一步：创建Notebook模型任务

**step1:**进入BML主页，点击立即使用

🔗：https://ai.baidu.com/bml/

**step2:**点击Notebook，创建“通用任务”

**step3:**填写任务信息

---

第二步：下载任务操作模板

下载链接：https://aistudio.baidu.com/aistudio/datasetdetail/121560

Day 1

第一步：配置Notebook

1.找到昨天创建的Notebook任务，点击配置

• 开发语言：Python3.7
• AI框架：PaddlePaddle2.0.0
• 资源规格：GPU V100

2.打开Notebook

3.上传本次Notebook操作模型

若没来得及下载，请点击链接下载：https://aistudio.baidu.com/aistudio/datasetdetail/121560

第二步：环境准备

1.安装paddlex

!pip install paddlex #安装paddlex

2.安装filelock

!pip install filelock #安装filelock

3.将paddlepaddle升级至2.2.1版本

!pip install paddlepaddle-gpu==2.2.1.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html #升级paadlepaddle-gpu

第三步：数据准备

1.下载数据集

!wget -P data/ https://bj.bcebos.com/paddlex/examples2/robot_grab/dataset_manipulator_grab.zip #下载数据集

2.解压数据集

!cd 'data' && unzip -q dataset_manipulator_grab.zip #在data文件夹中解压数据集

3.将数据集转换为MSCOCO格式

!paddlex --data_conversion --source labelme --to MSCOCO --pics data/dataset_manipulator_grab/JPEGImages --annotations data/dataset_manipulator_grab/Annotations --save_dir dataset

4.使用paddlex进行数据切分

将训练集、验证集和测试集按照7：2：1的比例划分

!paddlex --split_dataset --format COCO --dataset_dir dataset --val_value 0.2 --test_value 0.1

数据文件夹切分前后的状态如下:

  dataset/                      dataset/
  ├── JPEGImages/       -->     ├── JPEGImages/
  ├── annotations.json          ├── annotations.json
                                ├── test.json
                                ├── train.json
                                ├── val.json

第四步：保存Notebook并关闭、停止运行

Day 2

第一步：重新安装环境

1.启动Notebook并打开

2.重新执行三条安装命令

第二步：模型训练

1.调用paddlex

import paddlex as pdxfrom paddlex import transforms as T

2.定义训练和验证时的transforms

API说明：https://github.com/PaddlePaddle/PaddleX/blob/release/2.0-rc/paddlex/cv/transforms/operators.py

train_transforms = T.Compose([    T.RandomResizeByShort(        short_sizes=[640, 672, 704, 736, 768, 800],        max_size=1333,        interp='CUBIC'), T.RandomHorizontalFlip(), T.Normalize(            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
eval_transforms = T.Compose([    T.ResizeByShort(        short_size=800, max_size=1333, interp='CUBIC'), T.Normalize(            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])

3.定义训练和验证所用的数据集

API：https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/cv/datasets/coco.py#L26

train_dataset = pdx.datasets.CocoDetection(    data_dir='dataset/JPEGImages',    ann_file='dataset/train.json',    transforms=train_transforms,    shuffle=True)eval_dataset = pdx.datasets.CocoDetection(    data_dir='dataset/JPEGImages',    ann_file='dataset/val.json',    transforms=eval_transforms)

4.初始化模型

可使用VisualDL查看训练指标，参考https://github.com/PaddlePaddle/PaddleX/tree/release/2.0-rc/tutorials/train#visualdl可视化训练指标

num_classes = len(train_dataset.labels)model = pdx.det.MaskRCNN(    num_classes=num_classes, backbone='ResNet50', with_fpn=True)

5.训练参数配置，并开始训练

API说明：https://github.com/PaddlePaddle/PaddleX/blob/release/2.0-rc/paddlex/cv/models/detector.py#L155

各参数介绍与调整说明：https://paddlex.readthedocs.io/zh_CN/develop/appendix/parameters.html

model.train(    num_epochs=10,    train_dataset=train_dataset,    train_batch_size=1,    eval_dataset=eval_dataset,    learning_rate=0.00125,    lr_decay_epochs=[8, 11],    warmup_steps=10,    warmup_start_lr=0.0,    save_dir='output/mask_rcnn_r50_fpn',    use_vdl=True)

第三步：保存Notebook并关闭、停止运行

Day 3

第一步：重新安装环境

1.启动Notebook并打开

2.重新执行三条安装命令

第二步：重新安装环境

import glob
import numpy as np
import threading
import time
import random
import os
import base64
import cv2
import json
import paddlex as pdx

image_name = 'dataset/JPEGImages/Image_20210615204210757.bmp'
model = pdx.load_model('output/mask_rcnn_r50_fpn/best_model')

img = cv2.imread(image_name)
result = model.predict(img)

keep_results = []
areas = []
f = open('result.txt', 'a')
count = 0
for dt in np.array(result):
    cname, bbox, score = dt['category'], dt['bbox'], dt['score']
    if score < 0.5:
        continue
    keep_results.append(dt)
    count += 1
    f.write(str(dt) + '\n')
    f.write('\n')
    areas.append(bbox[2] * bbox[3])
areas = np.asarray(areas)
sorted_idxs = np.argsort(-areas).tolist()
keep_results = [keep_results[k]
                for k in sorted_idxs] if len(keep_results) > 0 else []
print(keep_results)
print(count)
f.write("the total number is :" + str(int(count)))
f.close()
pdx.det.visualize(
    image_name, result, threshold=0.5, save_dir='./output/mask_rcnn_r50_fpn')

第三步：保存Notebook并关闭、停止运行

完整的代码：
https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/67332976