Co-DETR

本仓库实现将https://github.com/Sense-X/Co-DETR 迁移到mindspore，进行训练和推理验证

配套关系

NPU软件配置项	版本信息
Python	3.10
驱动&固件	25.2
CANN	8.3.RC1
mindspore	2.6.0

准备环境

创建并激活 python 3.10 conda环境：

conda create -n codetr python=3.10
conda activate codetr

安装mindpore

参考 https://www.mindspore.cn/install 完成安装和验证

安装其他依赖：

pip install sympy packaging pillow protobuf asttokens astunparse opencv-python opencv-python-headless pycocotools tqdm pyyaml decorator attrs opencv-contrib-python-headless

准备预训练权重

根据co-detr官网中的Modezoo指引（https://github.com/Sense-X/Co-DETR）下载pth权重（co_dino_5scale_swin_large_16e_o365tococo.pth），按如下路径放置

Co-DETR
└── weight
    └── co_dino_5scale_swin_large_16e_o365tococo.pth

准备Coco数据集

下载coco2017 数据集，按如下路径存放

Co-DETR
└── datasets
    └── coco2017
        ├── annotations
        │      ├── instances_train2017.json
        │      └── instances_val2017.json
        ├── train2017
        └── val2017

训练

转换预训练权重

先将官方预训练权重转化为mindpore支持的格式检查 pt2ckpt.py 脚本中的输入pth权重路径后最后保存的权重路径无误后，执行：

python pt2ckpt.py

执行成功后，默认会在weight目录，生成一个.ckpt 文件

Co-DETR
└── weight
    └── co_dino_5scale_swin_large_16e_o365tococo.pth
    └── co_dino_5scale_swin_large_16e_o365tococo.ckpt

配置projects/configs/config.yaml:

coco_path: ./datasets/coco2017  # coco数据集路径，确保和实际路径一致
pretrain_path: ./weight/co_dino_5scale_swin_large_16e_o365tococo.ckpt  # 预训练权重路径，确保和实际路径一致

启动训练

bash train.sh 8  # 8 卡训练
bash train.sh  # 单卡训练

训练后将会在workdirs下按日期生成文件夹，存放权重和loss数据

推理

配置projects/configs/config.yaml

test_model_path: ./work_dirs/2025_12_10-10_10_58/codetr_epoch015_rank0.ckpt  # workdirs目录下训练生成好的权重路径

启动在线推理

bash test.sh 8  # 8 npus
bash test.sh    # single npu

指标

训练精度：16epoch，mAP 62.1%
训练性能：910B3:2.5s/step
推理性能：910B1:0.77s/step