欢迎来到 MMSegmenation 的文档!¶ 开始你的第一步 依赖 安装 完整的安装脚本 验证 数据集准备 准备数据集 模型库 标准与模型库 模型库统计数据 快速启动 训练一个模型 使用单台机器训练 使用多台机器训练 使用slurm管理任务 使用预训练模型推理 测试一个数据集 教程 教程 1: 学习配置文件 配置文件的结构 配置文件命名风格 PSPNet 的一个例子 FAQ 教程 2: 自定义数据集 通过重新组织数据来定制数据集 通过混合数据去定制数据集 教程 3: 自定义数据流程 数据流程的设计 拓展和使用自定义的流程 教程 4: 自定义模型 自定义优化器 (optimizer) 定制优化器的构造器 (optimizer constructor) 开发和增加新的组件(Module) 教程 5: 训练技巧 主干网络和解码头组件使用不同的学习率 (Learning Rate, LR) 在线难样本挖掘 (Online Hard Example Mining, OHEM) 类别平衡损失 (Class Balanced Loss) 同时使用多种损失函数 (Multiple Losses) 教程 6: 自定义运行设定 自定义优化设定 自定义训练计划表 自定义工作流 (workflow) 自定义钩 (hooks) 实用工具与脚本 常用工具 计算参数量(params)和计算量( FLOPs) (试验性) 发布模型 导出 ONNX (试验性) 评估 ONNX 模型 导出 TorchScript (试验性) 导出 TensorRT (试验性) 其他内容 打印完整的配置文件 对训练日志 (training logs) 画图 转换其他仓库的权重 模型服务 1. 将 model 从 MMSegmentation 转换到 TorchServe 2. 构建 mmseg-serve 容器镜像 (docker image) 3. 运行 mmseg-serve 4. 测试部署 语言切换 English 简体中文 接口文档(英文) mmseg.apis mmseg.core seg evaluation utils mmseg.datasets datasets pipelines mmseg.models segmentors backbones decode_heads losses Indices and tables¶ Index Search Page