上一篇折腾了boundary IoU的计算方式，这篇说一下PaddleSeg 怎么添加 Boundary IoU 做 Val，训练和infer都差不多，hxdm自己踩坑吧

首先整个 PaddleSeg 精简版：

.travis.yml
.style.yapf
.pre-commit-config.yaml
.gitignore
.copyright.hook
LICENSE
README.md
README_CN.md
requirements.txt

export.py  # 删不删都行，这个用来导出静态图模型文件的
setup.py # 这是用来安装 PaddleSeg 的，删了吧

benchmark
deploy
docs
EISeg # 基于飞桨开发的一个高效智能的交互式分割标注软件
slim
test_tipc # 飞桨训推一体认证 (Training and Inference Pipeline Certification(TIPC)) 信息和测试工具
tests

如果只是跑训练和推理，以上都可以直接删掉

contrib 就是一些其他功能，比如 matting、PPHumanSeg 之类的，可删
configs 嘛，就是那堆配置文件，懂得都懂
tools，里边一些常用的工具，标注啊，标注格式转化啊之类的，之后不想写轮子，就从这里找找(这是百宝箱)

以上便是我的 PaddleSeg 精简版，

val.py 文件

没啥可看的，就两句代码

# 在这里直接 数据类 实例化
val_dataset = cfg.val_dataset

# 在这里直接 model 实例化
model = cfg.model

这里为啥直接实例化呢? 明明就是赋值了一个属性啊，其实单步调试的话，可以看到，他其实是给属性加了一个装饰器 @property

@property
def val_dataset(self) -> paddle.io.Dataset:
    _val_dataset = self.val_dataset_config
    if not _val_dataset:
        return None
    return self._load_object(_val_dataset)

@property
def model(self) -> paddle.nn.Layer:
    model_cfg = self.dic.get('model').copy()
    if not model_cfg:
        raise RuntimeError('No model specified in the configuration file.')
    if not 'num_classes' in model_cfg:
        ......

    if not self._model:
        self._model = self._load_object(model_cfg)
    return self._model

看到了吗，有个 self._load_object 函数，所有的类都是通过该方法来加载(实例化)的

顺手看看这个方法(希望老铁们自行阅读一下)：

def _load_object(self, cfg: dict) -> Any:
    cfg = cfg.copy()
    if 'type' not in cfg:
        raise RuntimeError('No object information in {}.'.format(cfg))

    component = self._load_component(cfg.pop('type'))
	
	# 分界线往上是搞定类名
	# ----------------- 这里是分界线 -----------------
	# 分界线往下是搞定参数字典
	
    params = {}
    for key, val in cfg.items():
        if self._is_meta_type(val):
            params[key] = self._load_object(val)
        elif isinstance(val, list):
            params[key] = [
                self._load_object(item)
                if self._is_meta_type(item) else item for item in val
            ]
        else:
            params[key] = val
	
	# 将config中的类和参数拿出来之后，在return这一步返回对象
    return component(**params)

里边还有一个 _is_meta_type 方法，猜一下意思呗，就是是不是可以实例化的判断

点开这个方法看看：

def _is_meta_type(self, item: Any) -> bool:
	return isinstance(item, dict) and 'type' in item

如果是个字典，并且有 type 属性，在 PaddleSeg 的 Config 这个架构中，认为该类可以实例化

OK，现在不断的递归去看源码，现在咱们跳回去，看看 sellf._load_object 中 self._load_component 是怎么把那个类的名字给拿出来的

def _load_component(self, com_name: str) -> Any:
    com_list = [
        manager.MODELS, manager.BACKBONES, manager.DATASETS,
        manager.TRANSFORMS, manager.LOSSES
    ]

    for com in com_list:
        if com_name in com.components_dict:
            return com[com_name]
    else:
        raise RuntimeError(
            'The specified component was not found {}.'.format(com_name))

看到这里，我相信诸位如果看过我的这篇博客，那么一定会有一种豁然开朗的感觉
[PaddleSeg 源码阅读] PaddleSeg 自定义数据类

这篇博客的结尾：

manager.MODELS
manager.BACKBONES
manager.DATASETS
manager.TRANSFORMS
manager.LOSSES

展示了这几个组件，我是这么认为的，PaddleSeg 将常用的组件做了抽象，直接抽象为 模型类，Backbone骨干网络类，数据集类，图片 Transform类 和 损失函数类

抽象为类的，则需要添加对应的装饰器，比如添加自定义类，需要这个装饰器：

@manager.DATASETS.add_component

看那个英语 .add_component 就是添加组件的意思，所以在 _load_component 的源码中，

for com in com_list:
    if com_name in com.components_dict:
        return com[com_name]

去看 com_name 是否在 manager.MODELS、manager.BACKBONES、manager.DATASETS、manager.TRANSFORMS和manager.LOSSES这几类的组件中

如果都不在，则raise这错：

raise RuntimeError(
    'The specified component was not found {}.'.format(com_name))

“这个组件没有找到”

这里再插一句，像metrics那些指标(比如 IoU, acc 之类的)，他们只是函数，不是类，所以不需要使用.add_component 来进行注册

(这一句是为了之后使用 Boundary IoU 进行铺垫)

差不多了吧，这篇博客从这两句：

val_dataset = cfg.val_dataset
model = cfg.model

引出了这么多

诸位自己总结一下，发到评论区