OpenMMLab 2.0公测 中文讨论区

[vansin]

OpenMMLab 2.0 公测指南

OpenMMLab 2.0 于2022年9月1日在WAIC大会上发布，基于MMEngine通用、统一、灵活优雅的接口，重构了MMDetection、MMAction2 、MMClassification 、MMSegmentation 、MMDetection3D 、MMEditing 、MMPose 、MMTracking 、MMOCR 、MMGeneration 、MMRazor 、MMSelfSup和MMFlow算法库。

欢迎大家积极参与OpenMMLab 2.0的公测，有问题或者反馈直接写在评论区哇~

温馨提醒：OpenMMLab 2.0公测，请最好新建一个 conda 虚拟环境，防止和 OpenMMLab 1.0 已经安装的仓库冲突。

1. OpenMMLab 2.0 常见问题汇总

1.1. OpenMMLab 2.0 各算法库版本对应

	OpenMMLab 1.0	OpenMMLab 2.0	OpenMMLab 2.0 公测 中文讨论分区
MMEngine		0.x
MMCV	1.x	2.x	OpenMMLab 2.0公测中文讨论区之MMCV 2.x
MMDetection	0.x 、1.x、2.x	3.x	OpenMMLab 2.0公测中文讨论区之MMDetection 3.x
MMAction2	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMAction2 1.x
MMClassification	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMClassification 1.x
MMSegmentation	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMSegmentation 1.x
MMDetection3D	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMDetection3D 1.1
MMEditing	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMEditing 1.x
MMPose	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMPose 1.x
MMDeploy	0.x	dev-1.x	OpenMMLab 2.0公测中文讨论区之MMDeploy dev-1.x
MMTracking	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMTracking 1.x
MMOCR	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMOCR 1.x
MMRazor	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMRazor 1.x
MMHuman3D	0.x
MMSelfSup	0.x	1.x	OpenMMLab 2.0公测中文讨论区之MMSelfSup 1.x
MMFlow	0.x	1.x
MMFewShot	0.x

OpenMMLab 2.0 对应的版本也需要在readthedocs 中切换到对应的分支哟~

1.2. MMCV 和 MMEngine 的关系

如下表所示，MMCV 有两个大版本1.x 和 2.x，MMCV 1.x存在于OpenMMLab 1.0中，MMCV 2.x 和 MMEngine 存在于 OpenMMLab 2.0 中。

OpenMMLab 1.0	OpenMMLab 2.0
MMCV 1.x 包含训练相关的模块（Runner、Hook等）和各种图像视频处理相关的模块（算子、io）	MMCV 2.x只包含Transform和自定义算子等和图像视频处理相关的模块
	MMEngine 包含训练相关的模块（Registry、Runner、Hook等）

2. 贡献指南

(1) pre-commit 约束代码规范
(2) 提PR指南

[vansin]

大佬，问一下，mmengine的registery分级怎么继承mmdet，写上scope='mmdet'就继承了吗？比如让mmengnie当parent然后不同scope调用mmdet和mmseg该如何操作，谢谢[表情]

[vansin]

https://mmengine.readthedocs.io/zh_CN/latest/tutorials/registry.html#id3 可以参考这里~

[OpenMMLab-Coodinator]

https://mmengine.readthedocs.io/zh_CN/latest/tutorials/registry.html#id3 可以参考这里~

[vansin]

谢谢~

[vansin]

期待单元测试的教程~

[vansin]

项目真的是很好。但是说点不足可能更有价值。
这个问卷问哪里更好可能不太对吧。
现在感觉是基本文档和知识库不行，典型错误搜不到，一些错误处理看上去是没有自动测试透彻的结果。
比如算flops的，在某些算法没提供的话，他是直接报exception 而不是设计了兼容的提示错误。
提供的工具比如转换，结果检查等新算法支持似乎并不统一。
这些其实对于转用这个库有很大影响，因为用的原因就是一个库什么都统一了，方便易用，现在每个算法的支持并不统一，体验就差了很多。
文档这么不完善，竟然出现在文件中是改进最多的项目。

[vansin]

Mmclassification 和 mmdetection 文档我都看过，其实我觉得资源还是比较好了，但是文档（就是正式的文档）相对一些比较好的项目还是差点。 基础文档是可以覆盖从头到尾的把项目跑起来的。 这个很重要。但是新版本似乎9-10月份就公布了，但是如果去新版本的文档，有一些还是空着的。举例来说，稳定版主线的文档目录就很全，但是3.x已经公布了一两个月了，文档里面内容很少，链接基本都是空的（basic concept)下面基本上就目录，没有内容。

[vansin]

你看这个截图可以看出来。 实际上，正式上手去用，主要以读官方文档为主，版本可以清晰区分，也够权威。 但是这里3.x 的文档严重不足。 如果有stable版本的经验还能稍微好点，如果没有基本上就太困难了。

[vansin]

 您发的合集，我也看过，我觉得也挺不错的。但是那些其实都不如官方文档翔实些来的靠谱。我也看过一些官方的视频和讲解。我看到一些视频中会系统串一遍怎么跑起来，但是，他跟文档的作用肯定不一样。文档可以帮助工业化应用，如果 正式选型使用，文档的翔实程度就是前提，视频，教程都是零散知识，确实很难给一个团队说你们自己去看教程，遇到问题第一是查文档。效率和可靠性都在这里体现。 我觉得专业从业人员都能做到在文档翔实的情况下使用起来。 那些教程更多的感觉是为了帮人入门。 其实文档在入门方面可能效果更好

[vansin]

[from wechat talnex]
主要问题是继承混乱，这个然后方法定义不明确。原则上java那种接口形式的是最清晰的，但python弱化了这种概念，这导致mmdet3d开发出来的代码把继承特性仅仅当作reuse来实用，导致继承极其混乱，哪些函数需要重写，使用者都不清晰（不像pytorch Module子类很明确重新forward就好，autograd.Fuction明确重新forward和backward）实用者需要阅读源码，极大增加学习成本和维护成本

先不说字典回溯困难。不论从任何角度，函数都应当仅接受自己操作的参数，字典这形式使得函数接收到本不属于自己的参数，使用者根本无法直观看出那些变量被修改，这种方式是很不安全的，而且*arg和**kwarg应该慎用，甚至不应当暴露给用户，这个参数同样会导致上述问题

我认为 mmdet3d并不是一个好的的 object-oriented 程序设计范例，虽然功能提供的很全面，但是感觉这种规模的团队不应该开发出这种学生级别的项目

[Cuppinono]

对着官方文档走下来，在训练的时候全是bug了，而且不易阅读

[whregrets]

在做mmyolov5实例分割模型导出onnx时，没有参考的demo，在使用mmdeploy里面实例分割的配置文件会在卡在InstanceData中检查value和self长度不一致这一步上，不知道该如何修改了，请问一下该如何解决这方面的问题，或者有没有相应的demo

[Broderick890]

请问这个项目下一阶段有什么开发计划?