1、修改训练方式为epoch

在mmseg的工程使用中，一般情况默认训练的次数是按照inter去计算的，比如swin中160000个inter，每4000次inter进行一次模型验证，并保存一次模型，这样的计算方式有时不能直接满足按epoch计算的训练方式。本用epoch来验证和保存模型，那么只需要修改config中的一处既可以。接下来就代码展示：

inter训练方式

runner = dict(type='IterBasedRunner', max_iters=160000)
#共有160000次inter
checkpoint_config = dict(by_epoch=False, interval=4000)
#每4000个inter保存一次模型
evaluation = dict(interval=4000, metric='mIoU', pre_eval=True)
#每4000个inter计算一次验证

• epoch的训练方式

  runner = dict(type='EpochBasedRunner', max_epochs=100)
  #共100个epoch
  checkpoint_config = dict(by_epoch=True, interval=1)
  #每一次epoch都保存一次模型
  evaluation = dict(interval=1, metric='mIoU', pre_eval=True)
  #每一次epoch都计算一次验证

2、保存最好的模型

无论是每一次epoch都保存模型还是按照inter，每4000次inter都保存一次模型的方式，要想找到最优模型，还得自己去对着log文件找，太麻烦了。这个问题也可以简单解决，找到mmseg/apis/train.py，找到runner.register_hook这里，修改原有的钩子定义即可。
 

runner.register_hook(eval_hook(val_dataloader, **eval_cfg), priority='LOW')
#原来的，没有保存bestmodel
runner.register_hook(eval_hook(val_dataloader,save_best='mIoU', **eval_cfg), priority='LOW')
#修改后，自动保存bestmodel

 3、