Nanodet训练自己的数据集并转为onnx和mnn

JoannaJuanCV

已于 2022-11-03 20:39:54 修改

阅读量1.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： python 深度学习开发语言

于 2022-09-29 18:44:17 首次发布

本文链接：https://blog.csdn.net/zfjBIT/article/details/127105758

深度学习专栏收录该内容

55 篇文章

订阅专栏

该博客介绍了如何使用NanoDet框架进行目标检测，包括创建XML数据集，配置训练和验证路径，调整config文件，搭建conda环境，安装依赖，训练模型，最后将模型转换为ONNX和MNN格式。详细步骤涵盖了从数据预处理到模型部署的全过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 准备训练的数据

在这里插入图片描述
train 和 valid 下的两个子目录分别存放训练集和验证集的图片和xml文件(注意图片和标签一一对应)

2. 建立config yaml文件

源码下载：
git clone https://github.com/RangiLyu/nanodet.git

参考https://github.com/RangiLyu/nanodet/blob/main/config/nanodet_custom_xml_dataset.yml
在config文件夹下建立自己的yml文件：
（1）修改训练结果的保存路径
在这里插入图片描述
（2）修改自训练类别数量

（3）修改自训练类别标签

（4）修改训练集和验证集的文件夹路径

（5）修改训练的循环次数

3. 配置nanodet环境

（1）Create a conda virtual environment and then activate it.

 conda create -n nanodet python=3.8 -y
 conda activate nanodet

（2）Install pytorch

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

（3）Install requirements

pip install -r requirement.txt
pip install pytorch_lightning
pip install termcolor
pip install opencv-python-headless

（4）Setup NanoDet

cd nanodet
python setup.py develop

4. 训练

python ./tools/train.py ./config/mydata.yml

5. 模型转为onnx

使用nanodet源码提供的转换脚本

python ./tools/export_onnx.py --cfg_path ./config/mydata.yml --model_path./workspace/nanodet_m_ws/model_best/nanodet_model_best.pth --out_path ./workspace/nanodet_m_ws/model_best/nanodet_m_ws.onnx

6. 模型转为mnn

MNN版本2.0.0，MNN_BUILD_CONVERTER 设置为true，编译模型转换工具，使用以下命令将onnx转为mnn：

./MNNConvert -f ONNX --modelFile xxx.onnx --MNNModel xxx.mnn --bizCode MNN