以下链接是个人关于detectron2（目标检测框架），所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。
detectron2（目标检测框架）无死角玩转-00：目录

前言

根据前面的博客，已经知道如何去训练自己的数据，本人是在之前的编写的程序上进行分析，也就是使用configs/My/retinanet_R_50_FPN_3x.yaml配置文件。通过tools/train_my.py的代码，可以在main函数看到如下：

    trainer = Trainer(cfg)trainer.resume_or_load(resume=args.resume)return trainer.train()

说到底，其核心在于Trainer(cfg)，既然如此，我们就来对其解剖一下。

Registry

进入Trainer，可以看到，重写了两个函数分别为：

def build_evaluator(cls, cfg, dataset_name, output_folder=None):
def test_with_TTA(cls, cfg, model):

暂时我们不去理会，到底是什么玩意，先看看Trainer继承的父类DefaultTrainer，在初始化函数可以看到如下：

def __init__(self, cfg):model = self.build_model(cfg) # 构建模型optimizer = self.build_optimizer(cfg, model) # 构建优化方式data_loader = self.build_train_loader(cfg) # 构建训练数据迭代器    

是的，就是这么简单，整体框架就是这样的，倒是其内部的实现是很复杂的，比如我们进入self.build_model中的build_model(cfg)，追踪到detectron2\modeling\meta_arch\build.py文件，真的很简单，就下面几句代码：

from detectron2.utils.registry import RegistryMETA_ARCH_REGISTRY = Registry("META_ARCH")  # noqa F401 isort:skip
META_ARCH_REGISTRY.__doc__ = """def build_model(cfg):meta_arch = cfg.MODEL.META_ARCHITECTUREreturn META_ARCH_REGISTRY.get(meta_arch)(cfg)

相信大家看了之后也明白，核心要点就是META_ARCH_REGISTRY = Registry(“META_ARCH”)，那么这到底是个什么东西呢？