整個系列包括：Demo原始碼逐行講解->train腳本原始碼逐行講解->backbone原始碼逐行講解->FPN原始碼逐行講解->Head原始碼逐行講解->loss計算原始碼逐行講解->資料加載原始碼逐行講解->資料增強原始碼逐行講解->simOTA原始碼逐行講解，保證逐行，注意是逐行，包括python語法，tensor維度和逐行代碼的作用及應用，其實網路結構本沒有任何神秘的地方，都是一些模塊堆疊起來的，你完全可以沒有任何理由的修改任何一個模塊，看完這個系列后自己完全可以隨便的去對任何網路結構做手腳，而不僅僅局限于一個調參者，
本篇講的是YOLOX中資料加載及資料預處理部分，大家在學網路的時候總是側重于模型結構的搭建，而忽略了資料的處理部分，這造成的后果就是對資料整體的變化沒有一個準確的認知，構造兩個東西：資料決議器：從本地加載標注檔案和影像決議成網路需要的資料格式，取樣器：每一個批次中完成隨機取batchsize張影像的操作，
首先定位到yolox\exp\yolox_base.py的get_data_loader方法：
引數is_distributed：是否進行分布式訓練，no_aug：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423860.html
標籤：AI