脚本使用

脚本学习

1. python main.py train mini/trainval –dataroot=NUSCENES_ROOT –logdir=./runs –gpuid=0 tensorboard –logdir=./runs –bind_all

   第一部分：python main.py train mini/trainval ...

   python main.py train mini/trainval --dataroot=NUSCENES_ROOT --logdir=./runs --gpuid=0
   

   参数解析：

   • train：表示执行训练模式。
   • mini/trainval：数据集的子集（如训练集+验证集的迷你版本）。
   • --dataroot=NUSCENES_ROOT：指定数据集路径，需替换NUSCENES_ROOT为实际路径。
   • --logdir=./runs：训练日志和模型检查点会保存在./runs目录。
   • --gpuid=0：使用第0号GPU（如果有多块GPU）。

    

   第二部分：tensorboard --logdir=./runs --bind_all

   tensorboard --logdir=./runs --bind_all
   

   1. 作用：

      启动TensorBoard服务，用于可视化训练过程中的指标（如损失曲线、准确率等）。

   2. 参数解析：

      • --logdir=./runs：指定TensorBoard读取的日志目录（与训练脚本的--logdir一致）。
      • --bind_all：允许通过网络访问TensorBoard（默认地址通常是localhost:6006）。

Fire 库

作用：将Python函数自动转换为命令行接口

• 命令结构

  python main.py <函数名> [函数参数] [--选项=值]
  

  • <函数名>：必须是 Fire 字典中的键（如 train、lidar_check）。
  • [函数参数]：传递给对应函数的位置参数。
  • [–选项=值]：对应函数的关键字参数（如 --dataroot、--logdir）。

• 举例

  python main.py train mini/trainval --dataroot=NUSCENES_ROOT --logdir=./runs --gpuid=0
  

  • train：选择执行 src.train.train 函数。
  • mini/trainval：作为位置参数传递给 src.train.train 的第一个参数。
  • --dataroot、--logdir、--gpuid：作为关键字参数传递给 src.train.train。

• Data Processing