人工智能前沿课程大作业过程简要记录¶
约 846 个字 • 1 行代码
阅读原论文¶
为了能够快速而准确地理解论文，借助豆包的翻译功能以中英文对照阅读理解
大致阅读完论文之后，知道了论文内容有这4个重点
- 引入了 Multicategory Object Counting (MOC) 多类别目标计数任务
- 创建了NWPU-MOC数据集
- 设计了一个 multichannel density map counting (MCC) 多通道密度图计数框架
- 提出了空间对比损失和新的用于MOC任务的评估指标
复现代码¶
在论文中提到了实现的代码的github仓库地址
将代码克隆到本地
再将数据集下载下来
一开始尝试在我的笔记本上运行，发现报错显示需要cuda，
由于我的电脑没有n卡，所以打算将代码和数据集传到服务器上尝试运行
借助百度网盘bypy将数据集快速传输到服务器中¶
由于数据集大小有7g，而直接通过ssh来传输速率只有1mb/s这样，于是上网搜索是否有其他办法能够较为快速地给服务器传输大文件，然后通过这篇文章知道了，可以通过bypy包，借助百度网盘来快速地传输大文件
数据集在服务器上下载好之后，尝试运行然后出现了这样的报错
一开始先是通过谷歌搜索相关的报错信息，发现查找不到较为有用的信息，然后询问copilot
得知加上这行代码，
可以显示更加详细的报错信息。于是添加之后再次运行，报错如下
定位到错误可能出在 FPN_Head.py 中，但是不知道具体要如何修改，于是继续询问copilot
然后按照copilot的回复修改相应的代码，再次运行，就可以开始训练模型了
再将训练的模型在测试集上进行预测，
期间发现使用多卡训练的速度竟然比单卡训练的速度要慢😂
单卡训练
多卡训练
尝试理解代码¶
直接借助copilot来理解整个仓库的结构
查看数据集¶
官方github仓库中给出的数据集的文件结构如下，
由于好奇 .npz 文件(NumPy的数据文件)中的数据是什么样的，于是生成了简单的代码查看了一下
发现这些 .npz 文件中的元素的值都是0或者1(1表示是这个类别，0表示不是)，每个通道表示一种类别
gt14刚好14个类别对应14个通道，但是gt只有6个类别不知道为什么会有7个通道😅
脑洞¶
想尝试把训练好的模型尝试应用于视频流的检测中(打算在网上随便找一些航拍的视频)，于是让copilot基于源代码进行修改
但是由于时间不够了就没有去进一步深入了...😅
创建日期: 2025-01-02