概括

这是一节MMPretrain代码课，会教大家使用MMPretrain的实战操作，包括安装环境、编写配置文件、微调训练模型以及使用分析工具等。

亮点

• 💻：安装MMPretrain算法库和pytorch环境
• 🎛️：编写配置文件，配置各个组件的参数
• 🏋️：进行模型微调训练，一步一步调整参数
• 📊：使用分析工具评估模型的最终性能
• 🤖：使用好的模型预测自己下载的图片，看看结果如何

1. 实战教学：环境准备与模型训练 - 0:00 ~ 3:49

• gthumb：基于GNOME桌面环境的图像查看器和浏览器

文字内容

大家好，今天我来为大家进行MMPretrain实战教学
下面我将结合具体的代码和操作，为大家介绍MMPretrain的安装，编写实验的配置文件，以及进行模型的微调训练
首先我们需要进行环境的准备：要安装MMPretrain算法库，我们首先需要准备python环境；并且安装pytorch和CUDA支持，这里我们已经预先配置好了pytorch和CUDA
我们进入python的交互式环境，然后import torch
可以看到我们安装的torch版本是二点点一 然后检查一下pytorch的扩大支持都是ok的
那么接下来我们就要安装mi print算法库 首先我们用git clone来collmm print的仓库
并进行安装 一般来说
如果大家只是希望调用mp train中的模块 或者算法
只需要使用第三方库的形式 用pip安装就可以了
不过今天我们要基于mm train进行模型的训练 所以推荐大家还是直接在算法
过源码的基础上进行开发 而且这样还可以使用arm pretrain
提供的各种工具脚本 那么我们现在已经弄好了讯的仓库
接下来我们需要安装open mi 这是一个用于安装open m lab
各类算法库的一个命令行工具 同时它也有很多
其他和深度学习相关的辅助功能 具体的大家可以自行探索
那么我们使用pip install安装了meme之后 使用mem help可以列举出密码中的各种功能
其中的安装功能和使用的方法 和pip是基本一致的
我们使用mim install杠e点放括号 mi model来安装m printrain算法库
大家要注意 这个命令执行的位置
需要在我们刚才cloud m printrain目录下面 然后这里的杠e表示editable的安装方式
用这种方式安装之后 python调用mp train的时候
会直接使用当前目录的一个源码 然后这里的点表示当前目录包括好multi model
代表我们需要安装多模态相关的额外的依赖 那么现在我们的im printrl
算法库就应该安装好了 安装完成之后
我们就可以调用m培训中的模型进行推理 这里我们会演示一下
图像分类和多模态中的图像描述功能 首先我们进入python的交互式环境
然后查看一下mm print的安装版本 我们目前的版本是一点点02c8
那么首先我们从m培训中import一些高阶的api 包含get model
list models和influence model 分别用来进行模型的获取
模型的列举以及模型的推理 那么首先我们使用list models来获取分类
任务相关的名字中包含rescent 18的所有模型 那么接下来我们列举一下呃
图像描述任务相关的名字中 包含blip的所有的模型
那么这里的每个名称是m print中 模型的一个统一标识
我们使用这个模型名称 比如说reset 18八八乘b 16
safer 10就获得了一个reset 18 在safer上训练的模型