OD 팀 baseline 80%정도 완료입니다.

[JiyouSeo]

detection-baseline branch내의 detection 디렉토리에서 확인 가능하시고,
train.py 부분은 아직 좀 수정을 더 해야합니다.
내일 아침부터는 어제 회의 때 말씀드렸던 json 내의 "path" value부분만 채우는 코드 완성하고 train.py 더 작업하여 돌려보겠습니다.

[sne12345]

baseline code

튜토리얼

def forward(self, imgs):
    # Forward function that is run when visualizing the graph
    return self.model(imgs)

def configure_optimizers(self):
    # We will support Adam or SGD as optimizers.
    if self.hparams.optimizer_name == "Adam":
        # AdamW is Adam with a correct implementation of weight decay (see here
        # for details: https://arxiv.org/pdf/1711.05101.pdf)
        optimizer = optim.AdamW(self.parameters(), **self.hparams.optimizer_hparams)
    elif self.hparams.optimizer_name == "SGD":
        optimizer = optim.SGD(self.parameters(), **self.hparams.optimizer_hparams)
    else:
        assert False, f'Unknown optimizer: "{self.hparams.optimizer_name}"'

    # We will reduce the learning rate by 0.1 after 100 and 150 epochs
    scheduler = optim.lr_scheduler.MultiStepLR(optimizer, milestones=[100, 150], gamma=0.1)
    return [optimizer], [scheduler]

Question

여기 부분이 튜토리얼이랑 좀 다른 것 같은데
튜토리얼 forward에 있던 self.model(imgs)는 어디서 처리해주는지 궁금합니다 !

[JiyouSeo]

새벽코딩하다보니까 누락되었나봅니다..ㅠㅠ 밑의 내용으로 수정하여 commit 해놓았습니다.

def forward(self, imgs):
    # Forward function that is run when visualizing the graph
    return self.model(imgs)

def configure_optimizers(self):
    if self.hparams.optim_name == "Adam":
        optimizer = optim.AdamW(self.parameters(), **self.hparams.optim_hparams)
    elif self.hparams.optimizer_name == "SGD":
        optimizer = optim.SGD(self.parameters(), **self.hparams.optim_hparams)
    else:
        assert False, f'Unknown optimizer: "{self.hparams.optimizer_name}"'