mmocr的训练错误，结果全为0

Question

我的训练为什么是这样子的，训练完一轮的评估效果全是0，我用的数据集是mmocr给的mini_icdar2015没有问题
训练代码也是mmocr给的python tools/train.py configs/textdet/dbnet/dbnet_resnet18_fpnc_1200e_icdar2015.py
是在conda环境下，mmcv、mmdet也都安装好了的，用基本的推理器也没问题

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.30, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.40, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.50, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.60, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.70, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.80, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - prediction score threshold: 0.90, recall: 0.0000, precision: 0.0000, hmean: 0.0000

05/08 05:20:46 - mmengine - INFO - Epoch(val) [1][100/100] icdar/precision: 0.0000 icdar/recall: 0.0000 icdar/hmean: 0.0000 data_time: 0.2973 time: 1.317
4

Answer 1

引自免费微信小程序：皆我百晓生

面对你描述的问题，即在使用MMOCR进行训练时，一轮训练后评估结果显示所有指标均为0，这通常意味着模型没有学到有效信息，无法正确预测数据集中的目标。以下是一些可能的解决步骤和检查点，希望能帮助到你：

1. 数据验证

确保你的数据集mini_icdar2015已经正确处理并符合MMOCR的预期格式。这包括：

• 标注格式：确认标注文件是否正确无误，路径是否与配置文件中设置的一致。
• 图像路径：检查所有图像文件路径是否正确，且图像可被访问。
• 数据增强：若配置中启用了数据增强，确保其没有导致数据严重失真，以至于模型无法识别。

2. 配置检查

重新审视配置文件configs/textdet/dbnet/dbnet_resnet18_fpnc_1200e_icdar2015.py：

• 训练参数：确认学习率（lr）、批次大小（batch_size）、迭代次数等设置是否合理。
• 数据加载：检查数据集路径、类别数、训练/验证集划分是否正确配置。
• 损失函数：确认损失函数的配置是否正确，特别是权重是否平衡。

3. 模型初始化

有时候模型初始化不当也可能导致训练失败。虽然MMOCR使用的模型通常是经过良好设计的，但可以尝试：

• 预训练权重：确认是否正确加载了预训练模型的权重，特别是对于骨干网络。
• 随机初始化：如果从头开始训练，确认初始化方法是否合适。

4. 训练日志分析

深入分析训练过程的日志，注意观察是否有异常警告或错误信息，比如梯度爆炸或消失的迹象。

5. 深入检查训练流程

• 梯度问题：检查是否有梯度消失或爆炸的问题，可以通过记录梯度的均值和标准差来辅助判断。
• 学习率调整：考虑使用学习率衰减策略，如果初始学习率过高可能导致模型无法收敛。

实操建议

你可以尝试以下代码片段来检查数据加载器是否正常工作，这有助于确认数据处理环节是否有问题：

from mmocr.datasets import build_dataset

# 使用你的配置文件路径替换这里的路径
cfg = 'configs/textdet/dbnet/dbnet_resnet18_fpnc_1200e_icdar2015.py'
dataset = build_dataset(cfg.data.train)

# 打印前几个样本的元数据以检查
for i in range(5):
    print(dataset[i])

结论

如果上述检查都没有发现明显问题，可能需要更细致地调试，比如通过可视化训练过程中的特征图、梯度分布等，或者在开发者社区寻求帮助，查看是否有其他人遇到过类似问题。同时，确保MMOCR及其依赖库都是最新版本，有时软件包之间的兼容性问题也会导致这类现象。

希望这些建议能帮助你定位问题所在，并顺利解决问题。如果有任何更具体的错误信息或者需要进一步指导，请随时告知。