SeqTrack开源模型复现

Ohana_0

587人浏览 · 2026-04-26 13:27:59

Ohana_0 · 2026-04-26 13:27:59 发布

一、运行配置路径命令：

二、配置路径命令为正斜杠，local.py内更新为反斜杠的情况【日常在文件夹里面复制的是反斜杠】

三、修改配置文件参数，补充数据集分类txt文件与数据集读取文件

四、原始训练窗口显示的是 stdout 的实时输出

一、运行配置路径命令：

python tracking/create_default_local_file.py --workspace_dir D:/SeqTrack --data_dir D:/SeqTrack/data --save_dir D:/SeqTrack/save

弹出：

WARNING: You are using tensorboardX instead sis you have a too old pytorch version.

解决：

检查环境，基本配置与pytorch版本与监测训练的tensorboardX

检查当前环境：
pip list | findstr -i "torch tensorboard"
输出
tensorboardX 2.6.2.2
torch 1.11.0+cu113
torchaudio 0.11.0+cu113
torchvision 0.12.0+cu113
问题原因
在较新的 PyTorch 中，torch.utils.tensorboard 已经内置了 TensorBoard 功能，而 tensorboardX 是一个第三方替代品。SeqTrack 检测到你安装了 tensorboardX，发出警告提示。

最简单方案：忽略警告

二、配置路径命令为正斜杠，local.py内更新为反斜杠的情况【日常在文件夹里面复制的是反斜杠】

正斜杠：/（从左上向右下倾斜）
反斜杠：\（从右上向左下倾斜）

个人用下来，两个命令没有区别，local.py内都会更新为反斜杠

python tracking/create_default_local_file.py --workspace_dir D:/SeqTrack --data_dir D:/SeqTrack/data --save_dir D:/SeqTrack/save

运行过配置路径的命令之后如果还是反斜杠，受累，手动改，改过之后再运行配置命令会有小惊喜，建议不要尝试。

三、修改配置文件参数，补充数据集分类txt文件与数据集读取文件

四、原始训练窗口显示的是 stdout 的实时输出

运行训练命令：

python D:SeqTrack/lib/train/run_training.py --script seqtrack --config seqtrack_b256 --save_dir D:/SeqTrack/save

原始训练窗口显示的是 stdout 的实时输出，例如：

Converting polygon to bbox for D:/VideoX-master/SeqTrack/data/OOTB\car_12

Converting polygon to bbox for D:/VideoX-master/SeqTrack/data/OOTB\plane_23

Converting polygon to bbox for D:/VideoX-master/SeqTrack/data/OOTB\ship_5

新建终端窗口，执行监控训练的命令：

Get-Content save/logs/seqtrack-seqtrack_b256.log -Wait -Tail 50

弹出；

[train: 1, 50 / 3750] FPS: 14.5 (17.6) , Loss/total: 8.29182 , IoU: 0.04315
[train: 1, 100 / 3750] FPS: 15.8 (17.5) , Loss/total: 8.27611 , IoU: 0.03706
[train: 1, 150 / 3750] FPS: 16.3 (17.7) , Loss/total: 8.24687 , IoU: 0.04159
[train: 1, 200 / 3750] FPS: 16.6 (17.4) , Loss/total: 8.21933 , IoU: 0.04320
[train: 1, 250 / 3750] FPS: 16.7 (16.9) , Loss/total: 8.19376 , IoU: 0.03981
[train: 1, 300 / 3750] FPS: 16.6 (16.4) , Loss/total: 8.16935 , IoU: 0.03879

五、checkpoints与日志文件保存

在lib.train.trainers.base_trainer.py中

将这段条件语句：

if epoch > (max_epochs - 10) or save_every_epoch or epoch % 10 == 0:

改为：

if epoch > (max_epochs - 10) or save_every_epoch or epoch % 5 == 0:

更改后条件是 epoch % 5 == 0，即 epoch 5, 10, 15... 才保存。

保存条件是：epoch > 490 或 epoch % 5 == 0

运行这个脚本查看checkpoint目录：

import os
checkpoint_base = r'D:\SeqTrack\save\checkpoints'
for root, dirs, files in os.walk(checkpoint_base):
print(f"Path: {root}")
print(f"Files: {files}")
print(f"Dirs: {dirs}")
print("-" * 50)

就能知道checkpoint实际保存到了哪里

六、lib.train.loader.py

90行添加

if out is not None:
    return torch.stack(batch, 1, out=out.resize_(0))
else:
    return torch.stack(batch, 1)

七、启动 TensorBoard 的命令

终端输入：

tensorboard --logdir=D:\SeqTrack\tensorboard\train\seqtrack\seqtrack_b256\train

注意：--logdir 后面跟的是文件夹的路径

命令成功运行后，终端会显示一个本地地址（通常是 http://localhost:6006/）。用浏览器打开这个地址，就可以看到训练过程中的损失曲线（Loss）、准确率（Accuracy）等图表

端口被占用：如果你的 6006 端口被其他程序占用了，可以加上 --port 参数来指定一个新端口，比如：

tensorboard --logdir=D:\SeqTrack\tensorboard\train\seqtrack\seqtrack_b256\train --port=6007

常用操作技巧：

调整平滑度 (Smoothing)
- 你当前是 0.6，可以拖动滑块降低到 0.3-0.4 看更真实的曲线
对比不同实验
- 如果有多个训练日志，可以在左侧 "Runs" 区域勾选对比
- 支持正则表达式过滤，比如 seqtrack.* 匹配所有相关实验
查看更详细的数据
- 点击 "Show data download links" 可以下载 CSV 格式的原始数据
- 鼠标悬停在曲线上可以看到具体数值
缩放查看
- 用鼠标拖拽选中曲线上的某个区域可以放大
- 双击图表恢复原始视图