mmdetection使用wandb查看训练日志

mmdetection查看日志之前一直是在用TextLoggerHook，已经觉得挺方便的了，自从用了wandb之后，发现wandb真不错，看log更方便了，回不去了。

wandb的简单配置：

wandb官网：https://wandb.ai/

wandb官方给的配置教程：MMDetection - Documentation（中文版） MMDetection - Documentation（英文版） 英文版有动态图片，比较直观。

首先你要去官网注册一个账号，然后去授权页面拿到私钥：Weights & Biases Authorize

在服务器安装wandb，并且用私钥登录

pip install wandb
wandb login

在配置文件里将log_config改为下面样式就可以了

    cfg.log_config = dict(
        interval=20,
        hooks=[
            dict(
                type='MMDetWandbHook',
                init_kwargs=dict(project='your_project_name', name='your_model_name'， 'tags': ['resnet50', 'sgd'] ),
                interval=20,
                log_checkpoint=True,
                log_checkpoint_metadata=True,
                num_eval_images=100)
        ])

下面是一些解释说明，来源于wandb官方给的配置教程。

名称	描述
init_kwargs	(dict) 传递给 wandb.init 以启动W&B运行的 dict。一般用到的有project，name，更多的键值对可以参考：wandb.init - Documentation
interval	(int) 记录间隔（每k次迭代）。默认值为 50
log_checkpoint	(bool) 在每次检查点间隔时将检查点保存为 W&B 工件。其可用于模型版本控制，其中各版本均为检查点。默认值为False
log_checkpoint_metadata	(bool) 将在验证数据上计算的评估指标与检查点，以及当前epoch一起记录为该检查点的元数据。默认值为True
num_eval_images	(int) 需记录的验证图像数。如果为 0，则评估将不会被记录。默认值为100
bbox_score_thr	(float) 边界框分数阈值。默认值为0.3

完成上面简单几步之后，就可以愉快的训练了。

在Artifacts页面，你可以看到你模型的可视化输出，包括训练的模型中预测的图片，和数据集真实的图片。

点击放大按钮可以放大图片，非常方便啊。