mmdetection-3.x学习笔记——默认运行时配置（default_runtime.py）
一、学习配置文件
MMDetection 仓库使用 MMEngine 的配置文件系统，所有功能的模块都可以通过配置文件进行配置。
1、默认运行时配置（configs/base/default_runtime.py）
default_scope = 'mmdet' # 默认的注册器域名，默认从此注册器域中寻找模块。
default_hooks = dict( # 默认hook，大部分定义在mmengin中
timer=dict(type='IterTimerHook'), # 迭代一次实践统计
logger=dict(type='LoggerHook', interval=50), # 日志打印
param_scheduler=dict(type='ParamSchedulerHook'), # 参数（学习率等）调度
checkpoint=dict(type='CheckpointHook', interval=1), # 保存checkpoint权重
sampler_seed=dict(type='DistSamplerSeedHook'), # 设置数据采样的随机种子，确保shuffle生效
visualization=dict(type='DetVisualizationHook')) # 用于可视化验证或测试过程的预测结果，定义在mmdet中
env_cfg = dict(
cudnn_benchmark=False, # 是否启用 cudnn benchmark
mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0), # 使用 fork 来启动多进程。'fork' 通常比 'spawn' 更快，但可能存在隐患。请参考 https://github.com/pytorch/pytorch/issues/1355 。关闭 opencv 的多线程以避免系统超负荷
dist_cfg=dict(backend='nccl'), ##分布式相关设置
)
# 可视化检测结果，在拼接图像中，其中左侧图像是ground truth，右侧图像是预测。
# 定义在MMDET.VISUALIZATION.LOCAL_VISUALIZER
#- 如果 show 为 True，则忽略所有存储后端，图像将显示在本地窗口中。
#- 如果指定out_file，绘制的图像将保存到out_file,通常在显示器不可用时使用。
vis_backends = [dict(type='LocalVisBackend')] # 可视化后端
visualizer = dict(
type='DetLocalVisualizer', vis_backends=vis_backends, name='visualizer')
#
log_processor = dict(
type='LogProcessor', # 日志处理器用于处理运行时日志
window_size=50, # 日志数值的平滑窗口
by_epoch=True) # 是否使用 epoch 格式的日志。需要与训练循环的类型保存一致。
log_level = 'INFO' # 日志等级
load_from = None # 从给定路径加载模型检查点作为预训练模型。这不会恢复训练。
resume = False # 是否从 `load_from` 中定义的检查点恢复。 如果 `load_from` 为 None，它将恢复 `work_dir` 中的最新检查点。