了解配置文件¶

我们使用 python 文件作为我们的配置系统。你可以在 $MMTracking/configs 下找到所有配置文件。

我们将模块化和继承融入我们的配置系统，这将方便我们进行各种实验。你可以运行 python tools/print_config.py /PATH/TO/CONFIG 来查看完整的配置。

通过脚本参数修改配置¶

使用 “tools/train.py” 或 “tools/test.py” 提交任务时，你可以指定 --cfg-options 来原地修改配置。

更新配置文件中字典的键值。

可以按照原始配置中字典键的顺序修改配置选项。例如 --cfg-options model.detector.backbone.norm_eval=False 将模型骨干网络中的 BN 模块更改为训练模式。
更新配置文件列表中的字典键值。

在配置文件中，一些配置字典被组成一个列表。例如，测试时的流水线 data.test.pipeline 通常是一个列表例如 [dict(type='LoadImageFromFile'), ...] 。如果你想把流水线中的 'LoadImageFromFile' 更改为 'LoadImageFromWebcam'，你可以使用 --cfg-options data.test.pipeline.0.type=LoadImageFromWebcam。
更新列表/元组的值。

如果要更新的值是列表或元组。例如配置文件中通常设置 workflow=[('train', 1)] 。如果你想改变这个键值，你可以指定 --cfg-options workflow="[(train,1),(val,1)]" 。注意引号”是为了支持列表/元组数据类型，并且在指定键值的引号内 不允许 有空格。

配置文件结构¶

config/_base_ 下有3种基本组件类型分别是 dataset，model，default_runtime。许多方法可以通过这些文件构筑，例如 DFF、FGFA、SELSA、SORT、DeepSORT。由来自 _base_ 的组件组成的配置称为 primitive 。

对于同一文件夹下的所有配置，建议只有一个 primitive 配置。所有其他配置都应该从 primitive 配置中继承。在这种方式下，最大的继承级别是3。

为了便于理解，我们建议开发者继承现有方法。例如，如果基于 Faster R-CNN 做了一些修改，用户可以先通过指定 _base_ = ../../_base_/models/faster_rcnn_r50_dc5.py 来继承基本的 Faster R-CNN 结构，然后在配置文件中修改必要的字段。

如果您正在构建一个与任何现有方法都不共享结构的新方法，你可以在 configs 下创建一个文件夹 xxx_rcnn，

详细文档请参考mmcv。

配置文件名样式¶

我们遵循以下样式来命名配置文件。建议开发者遵循相同的样式。

{model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[gpu x batch_per_gpu]_{schedule}_{dataset}

{xxx} 是必填字段，[yyy] 是可选字段。

{model}：模型类型，例如 dff、tracktor、siamese_rpn 等。
[model setting]：某些模型中的特定设置，例如 dff、tracktor 中使用的 faster_rcnn。
{backbone}：主干网络，例如 r50 (ResNet-50)、x101 (ResNeXt-101)。
{neck}：模型颈部，例如 fpn、c5。
[norm_setting]：标准化设置，除了bn（Batch Normalization）不需要注明以外，其他标准化类型比如gn（Group Normalization），syncbn（Synchronized Batch Normalization）都应注明。 gn-head/gn-neck 表示 GN 仅应用于模型头部/模型颈部，而 gn-all 表示 GN 应用于整个模型，例如主干网络，模型颈部，模型头部。
[misc]：模型的其他设置/插件，例如dconv、gcb、attention、albu、mstrain。
[gpu x batch_per_gpu]：GPU 数目以及每个 GPU 的样本数，默认使用 8x2。
{schedule}：训练时长，选项为 4e、7e、20e 等。 20e 表示 20 个周期。
{dataset}：数据集如 imagenetvid、mot17、lasot。

配置文件详细解析¶

不同任务的配置文件结构请参考相应页面。

视频目标检测

多目标跟踪

单目标跟踪

常见问题¶

忽略基础配置中的一些字段¶

你可以设置 _delete_=True 来忽略基本配置中的某些字段。详细内容请参考 mmcv

使用配置中的中间变量¶

配置文件中使用了一些中间变量，例如数据集中的 train_pipeline/test_pipeline。值得注意的是，在子配置中修改中间变量时，用户需要再次将中间变量传递到相应的字段中。例如，我们想使用自适应步长的测试策略来测试 SELSA。 ref_img_sampler 是我们想要修改的中间变量。

_base_ = ['./selsa_faster_rcnn_r50_dc5_1x_imagenetvid.py']

# dataset settings
ref_img_sampler = dict(
    _delete_=True,
    num_ref_imgs=14,
    frame_range=[-7, 7],
    method='test_with_adaptive_stride')
data = dict(
    val=dict(
        ref_img_sampler=ref_img_sampler),
    test=dict(
        ref_img_sampler=ref_img_sampler))

我们首先需要定义新的 ref_img_sampler 然后将其赋值到 data 字段下对应位置。