PaddleYolo 是飞桨（PaddlePaddle）框架下的一个目标检测库，主要用于图像和视频中的物体检测。PaddleYOLO包含YOLO系列模型的相关代码，支持YOLOv3、PP-YOLO、PP-YOLOv2、PP-YOLOE、PP-YOLOE+、RT-DETR、YOLOX、YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv5u、YOLOv7u、YOLOv6Lite、RTMDet等模型。
SwanLab 是一个开源的模型训练记录工具，面向AI研究者，提供了训练可视化、自动日志记录、超参数记录、实验对比、多人协同等功能。在SwanLab上，研究者能基于直观的可视化图表发现训练问题，对比多个实验找到研究灵感，并通过在线链接的分享与基于组织的多人协同训练，打破团队沟通的壁垒。
你可以使用PaddleYolo快速进行目标检测模型训练，同时使用SwanLab进行实验跟踪与可视化。
在线Demo
1. 引入SwanLabCallback
首先在你clone的PaddleYolo项目中，找到ppdet/engine/callbacks.py文件，在代码的底部添加如下代码：
class SwanLabCallback(Callback):def __init__(self, model):super(SwanLabCallback, self).__init__(model)try:import swanlabself.swanlab = swanlabexcept Exception as e:logger.error('swanlab not found, please install swanlab. ''Use: `pip install swanlab`.')raise eself.swanlab_params = {k[8:]: v for k, v in model.cfg.items() if k.startswith("swanlab_")}self._run = Noneif dist.get_world_size() < 2 or dist.get_rank() == 0:_ = self.runself.run.config.update(self.model.cfg)self.best_ap = -1000.self.fps = []@propertydef run(self):if self._run is None:self._run = self.swanlab.get_run() or self.swanlab.init(**self.swanlab_params)return self._rundef on_step_end(self, status):if dist.get_world_size() < 2 or dist.get_rank() == 0 and status['mode'] == 'train':training_status = status['training_staus'].get()batch_time = status['batch_time']data_time = status['data_time']batch_size = self.model.cfg['{}Reader'.format(status['mode'].capitalize())]['batch_size']ips = float(batch_size) / float(batch_time.avg)metrics = {"train/" + k: float(v) for k, v in training_status.items()}metrics.update({"train/ips": ips,"train/data_cost": float(data_time.avg),"train/batch_cost": float(batch_time.avg)})self.fps.append(ips)self.run.log(metrics)def on_epoch_end(self, status):if dist.get_world_size() < 2 or dist.get_rank() == 0:mode = status['mode']epoch_id = status['epoch_id']if mode == 'train':fps = sum(self.fps) / len(self.fps)self.fps = []end_epoch = self.model.cfg.epochif (epoch_id + 1) % self.model.cfg.snapshot_epoch == 0 or epoch_id == end_epoch - 1:save_name = str(epoch_id) if epoch_id != end_epoch - 1 else "model_final"tags = ["latest", f"epoch_{epoch_id}"]elif mode == 'eval':fps = status['sample_num'] / status['cost_time']merged_dict = {f"eval/{key}-mAP": map_value[0]for metric in self.model._metricsfor key, map_value in metric.get_results().items()}merged_dict.update({"epoch": status["epoch_id"],"eval/fps": fps})self.run.log(merged_dict)if status.get('save_best_model'):for metric in self.model._metrics:map_res = metric.get_results()key = next((k for k in ['bbox', 'keypoint', 'mask'] if k in map_res), None)if not key:logger.warning("Evaluation results empty, this may be due to ""training iterations being too few or not ""loading the correct weights.")returnif map_res[key][0] >= self.best_ap:self.best_ap = map_res[key][0]save_name = 'best_model'tags = ["best", f"epoch_{epoch_id}"]def on_train_end(self, status):self.run.finish()
2. 修改trainer代码
在ppdet/engine/trainer.py文件中，在from .callbacks import那一行添加SwanLabCallback：
from .callbacks import Callback, ComposeCallback, LogPrinter, Checkpointer, VisualDLWriter, WandbCallback, SwanLabCallback
接着，我们找到Trainer类的__init_callbacks方法，在if self.mode == 'train':下添加如下代码：
if self.cfg.get('use_swanlab', False) or 'swanlab' in self.cfg:self._callbacks.append(SwanLabCallback(self))
至此，你已经完成了SwanLab与PaddleYolo的集成！接下来，只需要在训练的配置文件中添加use_swanlab: True，即可开始可视化跟踪训练。
3. 修改配置文件
我们以yolov3_mobilenet_v1_roadsign为例。
在configs/yolov3/yolov3_mobilenet_v1_roadsign.yml文件中，在下面添加如下代码：
use_swanlab: true
swanlab_project: PaddleYOLO # 可选
swanlab_experiment_name: yolov3_mobilenet_v1_roadsign # 可选
swanlab_description: 对PaddleYOLO的一次训练测试 # 可选
# swanlab_workspace: swanhub # 组织名，可选
4. 开始训练
python -u tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --eval
在训练过程中，即可看到整个训练过程的日志，以及训练结束后自动生成的可视化图表。
5. 相关链接
- PaddleYOLO: https://github.com/PaddlePaddle/PaddleYOLO
- SwanLab：https://swanlab.cn
