mmdet3d读入waymo dataset：from file to input tensor

Posted 2022-11-22 ZLTJohn

之前已经处理出了kitti format的waymo dataset文件，但距离模型真正处理数据还有很长一段路。虽然在runner的train里，data的获取很简单，就是一个enumerate(dataloader)：

for i, data_batch in enumerate(self.data_loader):
            self._inner_iter = i
            self.call_hook('before_train_iter')
            self.run_iter(data_batch, train_mode=True, **kwargs)
            # model forward && calc loss && backprop
            self.call_hook('after_train_iter')
            # optimize, save logs
            self._iter += 1

但事实上数据要从file system读入到内存，经过pipeline类的格式处理、数据增强，进入gpu，然后才能给已经load进gpu的model进行训练。
在这个过程中有几个很关键的类在起作用，有dataset类，sampler类，dataloader类，mmdet的这几个类基本上继承自pytorch类。接下来结合waymo的代码介绍一下这三个类。

torch.utils.data

iterator 迭代器

和c++里的set等stl类一样，iterator可以帮助我们遍历整个类，或者说容器的内容。在这里主要是sampler和dataloader有自己的iterator，这样就能实现for i,data in enumerate(dataloader): output = model(data)的功能了。
对于dataloader来说，为了支持iterator，需要实现几个方法：

1. .__len__(self)，一般返回类的长度，比如数据有几个frame。
2. .__getitem__(self)，定义获取容器指定元素的行为，这样就可以以data[index]的下标方式访问类里的信息。
3. .__iter__(self)：定义当迭代容器中的元素时的行为，我的理解是，这样使得for之初能获取到dataloader的iterator
4. .__next__(self)：定义迭代器的迭代规则，比如按某种顺序遍历整个set，for循环每次都会调用一下next。
   具体例子可以看教程一

dataset

主要实现了数据从文件读到内存的功能，定义了__getitem__，这样当你dataset[index]的时候，就能得到某个frame的数据。主要类型有两种，第一种是Map-style dataset，就是只有set[index]的功能；第二种是Iterable-style dataset，实现了__iter__，也就是可以直接for xxx in enumerate(dataset)。一般用第一种。

waymo dataset

我是用了transfusion改过的waymo dataset，主要的改动是支持了读入多张图片和对应label，原本只支持一张。
继承关系：CustomWaymoDataset–>KittiDataset–> Custom3DDataset -->torch_dataset
接下来分别讲讲每个部分的内容

init

在Custom3DDataset中，我们初始化了dataset的path，以及读入ann_file，即之前处理出的.pkl标注文件，记录到self.data_infos里。这样我们就知道了每张图片和对应calib等信息的path。对于指定了load_interval的情况，还会self.data_infos = self.data_infos[::load_interval]。还有比较重要的参数是pipeline，以及相机个数num_view。

custom3d.__ getitem __(idx)

仅列出主要部分

data = self.prepare_train_data(idx)
return data

custom3d.prepare_train_data(index)

input_dict = self.get_data_info(index)
self.pre_pipeline(input_dict)
example = self.pipeline(input_dict)
return example

首先提取单帧的所有信息，放到一个dict里，然后pre_pipeline初始化dict里的一些key值，最后交给自定义的pipeline，把数据处理好再返回。（pipeline过程中好像数据已经进gpu了，我的理解，这里的是一个指向gpu的指针？）

customWaymo.get_data_info(index)

主要从self.data_infos里得到该index的info，包括img，point cloud文件的path，点云到相机坐标的变换lidar2img，以及labels，即annotations。
之前也提到，waymo的pkl文件里只有img0的path和calib0的参数，所以返回结果也只有img0的。在这里transfusion修改了一下，根据img0的path得到了img0~4的path和calib0~4的lidar2img。
读入label会调用下面的get_ann_info函数，最后return input_dict

KittiDataset.get_ann_info(index)

把self.data_infos的gt boxes整理好格式返回。

self.pipeline(input_dict)

pipeline不被定义在dataset里，detr3d的操作如下，会从path中读img，做数据增强，filter等操作。最后的collect3d就相当于是只保留dict里的这几个keys。具体的内容可以查看class pipeline_name下的__call__函数。

train_pipeline = [
    dict(type='LoadMultiViewImageFromFiles', to_float32=True),
    dict(type='PhotoMetricDistortionMultiViewImage'),
    dict(type='LoadAnnotations3D', with_bbox_3d=True, with_label_3d=True, with_attr_label=False),
    dict(type='ObjectRangeFilter', point_cloud_range=point_cloud_range),
    dict(type='ObjectNameFilter', classes=class_names),
    dict(type='NormalizeMultiviewImage', **img_norm_cfg),
    dict(type='PadMultiViewImage', size_divisor=32),
    dict(type='DefaultFormatBundle3D', class_names=class_names),
    dict(type='Collect3D', keys=['gt_bboxes_3d', 'gt_labels_3d', 'img'])
]

Sampler

dataset已经实现了getitem的方法，但是如何对dataset进行采样还需要sampler定义。它主要就是每次训练的时候生成index，本身是一个类，也有自己的iterator，有多种sampler，比如SequentialSampler顺序采样，RandomSampler, WeightedRandomSampler等。

DataLoader

torch.utils.data.DataLoader 是 PyTorch 数据加载的核心，负责加载数据，同时支持 Map-style 和Iterable-style Dataset，支持单进程/多进程，还可以通过参数设置如 sampler, batch size, pin memory 等自定义数据加载顺序以及控制数据批处理功能。其接口定义如下：

DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
           batch_sampler=None, num_workers=0, collate_fn=None,
           pin_memory=False, drop_last=False, timeout=0,
           worker_init_fn=None, *, prefetch_factor=2,
           persistent_workers=False)

num_worker定义了用于load数据的子进程，非0的时候，模型在跑data的时候，子进程会处理新的data，buffer大小为prefetch_factor，batch_size定义了迭代几次sampler来获取index，形成一个batch。也可以用batch_sampler一次性获得一个batch的index。

在for i,data in enumerate(dataloader)的时候，dataloader一次迭代会做很多事情，首先迭代self.sampler来获得key_list，即一个batch的index。接着调用dataset获取input_dict，这个时候形成一个list of dict，即[in1,in2,in3…]，最后为了形成模型需要的nchw形式的tensor，还需要调用collatefn函数，把list of dict变成dict of list，即把[dict(a:x1,b:y1),dict(a:x2,b:y2),dict(…)]变成：
dict(a:[x1,x2,x3…],b:…)
整个过程抽象为

for indices in batch_sampler:
    yield collate_fn([dataset[i] for i in indices])

当然，在detr3d里，input tensor的形式是batch_size* num_view *chw的。不过bs=1。

dataloader代码

具体的父类等依赖关系看教程二，多线程的逻辑稍有不同，不过我暂时没必要理解，不看了。

training procedure

见另一篇文章

参考：
PyTorch 小课堂开课啦！带你解析数据处理全流程（一）
PyTorch 小课堂！带你解析数据处理全流程（二）