Add files via upload

config/lr_scheduler.yaml

@@ -0,0 +1,11 @@
+scheduler_type: LINEAR_WARMUP_THEN_POLY_SCHEDULER
+
+# total_iters=epochs * 训练的图像数量
+kwargs: |
+  {
+    "warmup_iters": 62, 
+    "total_iters": 620, 
+    "warmup_ratio": 0.000001, 
+    "min_lr": 0., 
+    "power": 1.
+  }

config/model.yaml

@@ -0,0 +1,43 @@
+# 网络模型的配置文件
+
+embed_dims:
+  - 3 # 输入图像的通道
+  - 32
+  - 64
+  - 160
+  - 256
+depths:
+  - 3
+  - 3
+  - 5
+  - 2
+drop_prob_of_encoder: 0.1
+expand_rations:
+  - 8
+  - 8
+  - 4
+  - 4
+
+
+
+drop_path_prob: 0.1
+drop_prob_of_decoder: 0.1
+# hidden_channels, output_channels
+channels_of_hamburger: 256
+nmf2d_config:
+  SPATIAL: 1
+  MD_S: 1
+  MD_D: 512
+  MD_R: 16
+  TRAIN_STEPS: 6
+  EVAL_STEPS: 7
+  INV_T: 1
+  ETA: 0.9
+  RAND_INIT: true
+  return_bases: false
+  device: cuda
+
+# 类别
+classes:
+  - background # 必须要
+  - leaf

config/optimizer.yaml

@@ -0,0 +1,32 @@
+# 优化器的配置文件
+base_config:
+  optim_type: AdamW
+  kwargs: |
+    {
+      "lr": 0.00006,
+      "weight_decay": 0.01,
+      "betas": (0.9, 0.999)
+    }
+  
+
+
+parameters:
+    # key(block, block, norm)自定义
+    # default: decay_mult=1, lr_mult=1
+    # left必须位于第一位，表示剩余的参数，可以更改内部属性中decay_mult和lr_mult, regex_expr不起作用
+  - left:
+      regex_expr: none
+      decay_mult: 0
+      lr_mult: 1
+  - block:
+      regex_expr: ^encoder\.stages\.[0-9]\.blocks.*$
+      decay_mult: 0
+      lr_mult: 1
+  - norm:
+      regex_expr: ^encoder\.stages\.[0-9]\.norm.*$
+      decay_mult: 0
+      lr_mult: 1
+  - head:
+      regex_expr: ^decoder.*$
+      decay_mult: 1
+      lr_mult: 10

config/predict.yaml

@@ -0,0 +1,12 @@
+device: "cuda"
+
+# -1表示从不加载任何权重就进行预测
+# 0表示使用官方提供的权重进行预测
+# 1表示使用自己的权重进行预测
+mode: 0
+checkpoint:
+  - pretrained # 目录
+  - segnext_tiny_512x512_ade_160k.pth # 文件名
+# 利用正则表达式将官方model中的权重加载到模型, mode != 0时失效
+regex_expr:
+  - ^(?!decoder\.cls_seg.*)$ # ?!表示对()内的内容取反，详请见于model_utils.init_model

config/train.yaml

@@ -0,0 +1,39 @@
+device: cuda
+batch_size: 2
+image_height: 512
+image_width: 512
+workers: 0
+epochs: 10
+
+# 每一类的占比权重，如果要让每一类的占比权重相同，为1.0即可
+weight:
+  - 1.0
+
+# 数据集存放位置
+root:
+  - dataset
+train_dir_name:
+  - train
+val_dir_name:
+  - val
+images_dir_name: images
+labels_dir_name: labels
+
+# 每训练多少个epoch就进行验证
+eval_every_n_epoch: 10
+
+# 权重保存位置
+save_path:
+  - pretrained # 目录
+  - SegNeXt # 文件名
+
+# -1表示从零开始训练网络，即不加载任何权重
+# 0表示使用官方提供的权重
+# 1表示使用自己的权重
+mode: 0
+checkpoint:
+  - pretrained # 目录
+  - segnext_tiny_512x512_ade_160k.pth # 文件名
+# 利用正则表达式将官方model中的权重加载到模型, mode != 0时失效
+regex_expr:
+  - ^(?!decoder\.cls_seg.*)$ # ?!表示对()内的内容取反, 详请见于model_utils.init_model