deeplabv3+——训练自己的数据集 torch1.12.0 cuda11.3
目录
前言
环境
源码
参考博客
一、制作自己的数据集
二、训练
三、可视化
前言
环境
torch==1.12.0+cu113
cuda==11.3
显卡为 RTX3070ti
tips:30系显卡最好还是用配套的cuda,博主原本使用的cuda10.0版本,一直报错很坑
源码
pytorch-deeplab-xception
参考博客
windows10】使用pytorch版本deeplabv3+训练自己数据集
DeeplabV3+ 训练自己的数据集。pytorch
一、制作自己的数据集
参考博客二中讲的很清楚,重点是
1、mask为单通道,所以要将标签图二值化
2、label的像素为1、2、3.... 例如你要做一个二分类的任务,那么背景的像素值为0,标签的像素 值为1;如果要做三分类的任务,那么背景的像素值为0,标签1的像素值为1,标签2的像素值为2,以此类推
import os
import cv2
from PIL import Imagedef white_label_to_mask():# 获取目录下所有图片名filename = os.listdir(r"E:\..")print(filename)base_dir = r"E:\.." # inputnew_dir = r"E:\.." # outputfor img in filename:name = imgpath1 = os.path.join(base_dir ,img)img = cv2.imread(path1)#二值化Grayimg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, thresh = cv2.threshold(Grayimg,170, 1 ,cv2.THRESH_BINARY)cv2.imwrite('img.png', thresh)image = Image.open('img.png')path = os.path.join(new_dir ,name)image.save(path)
white_label_to_mask()
这里贴一个将黑白(三通道)的标签图(目标为白色)批量转化为mask的脚本 可根据需要自行更改
二、训练
python train.py
三、可视化
运行结果会存放在run中,这里我运用的mobilnet,所以结果存放在了../pytorch-deeplab-xception-master\run\mydata\deeplab-mobilenet下
在当前目录下cmd,并调用tensorboard
tensorboard --logdir=='experiment_0'
然后出现如下结果
....
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.10.0 at http://localhost:6006/ (Press CTRL+C to quit)
复制http://localhost:6006/到网页框 即可查看结果
deeplabv3+——训练自己的数据集 torch1.12.0 cuda11.3相关推荐
- deeplabv3+训练自己的数据集
deeplabv3+训练自己的数据集 环境:ubuntu 16.04 + TensorFlow 1.9.1 + cuda 9.0 + cudnn 7.0 +python3.6 tensorflow 项 ...
- Deeplabv3+训练自己的数据集(包含脚本)
目录 前言 源码 一.环境配置 二.使用步骤 1.制作数据集 2.训练模型 3.测试 三.常见报错 总结 前言 最近在着手一个项目,需要用到语义分割这一块,最后经过慎重的考虑,最终选择deeplabv ...
- ERROR: torch-1.12.0+cu116-cp38-cp38-win_amd64.whl is not a supported wheel on this platform.
ERROR: torch-1.12.0+cu116-cp38-cp38-win_amd64.whl is not a supported wheel on this platform. 安装Pytor ...
- windows下MX150显卡安装cuda11.3+cudnn8.4.1+torch1.12.0+torchvision0.13.0+torchaudio0.12.0
文章目录 1)安装Anaconda 2)查看显卡驱动支持的最高CUDA版本 3)查看pytorch官方推荐CUDA版本 4)下载CUDA并安装 5)下载cudnn安装 6)使用conda安装torch ...
- 使用 deeplabv3+ 训练自己的数据集经验总结
简介 deeplabv3+是现今性能最好的语义分割模型之一,本文介绍如何在window环境下安装并运行deeplabv3+. 本文将详细介绍deeplabv3+的环境配置,训练自己的数据,参数调试等内 ...
- DeeplabV3+ 训练自己的数据集。pytorch
一. 代码目录 dataloaders 存放数据集读取代码 datasets 存放训练数据 modeling 存放DeeplabV3+模型文件 run_lab 保存每次训练的结果参数 test_res ...
- TensorFlow之DeepLabv3+训练自己的数据集
0 背景 在之前的文章中,对 tensorflow 目标检测API进行了详细的测试,成功应用其模型做简单的检测任务.首先简单介绍下系统环境的配置 python3.6; tensorflow-gpu 1 ...
- Pytorch 语义分割DeepLabV3+ 训练自己的数据集
照葫芦画瓢总结记录了一下DeepLab分割系列,并对Deeplab V3++实现 一.DeepLab系列理解 1.DeepLab V1 原文:Semantic image segmentation w ...
- torch从零开始搭建deeplabv3+训练自己的数据集!
目录 一.制作自己数据集 1.1 torch数据加载原理 1.2 地理信息科学与深度学习的结合 1.3代码实现 1.4分批次加载数据集 二.训练网络 2.1参数选择 2.2训练过成可视化 三.执行预测 ...
最新文章
- ASCII、Unicode、GBK和UTF-8字符编码的区别联系
- 机器学习验证集为什么不再有新意?
- 专家谈半导体产业前景 并购热还会继续
- jquery瀑布流布局和鼠标滚动加载
- python中使用for循环,while循环,一条命令打印99乘法表
- java1.5以后新增的特性_jdk1.5之后的一些新特性
- opengl 实时波形显示_OpenGL1------OpenGL概述
- 使用awt制作一个简易加法计算器
- 204. Count Primes 1
- [转]C#中水晶报表实例
- 在 Visual Studio 2010 中配置SharpPcap
- 下载蓝盒插件_bilibili哔哩哔哩下载助手
- 吉他音阶训练入门教程——中集(运用方法)
- 如何定义和使用一个 Lambda 表达式
- boost circular_buffer的特性及应用
- 如何记账能简单高效,记账全攻略来了
- JS算法-整数转罗马数字
- Socket在iOS客户端上的简单实现 - 利用GCAsyncSocket框架
- win7一点计算机就卡死,Win7系统卡屏假死怎么解决
- Hangzhou Invitation Day1
热门文章
- Windows从微软账户修改为本地账户
- 郝健: Linux内存管理学习笔记-第2节课【转】
- 嵌入式 linux ramdisk 保存文件,制作嵌入式linux文件系统(ramdisk,cramfs,squashfs)...
- 2016计算机考研经验,2016大连理工大学计算机考研经验(示例代码)
- 看懂了一点傅里叶变换的原理
- 2021-06-03web渗透学习之mof提权(MySQL 漏洞利用与提权)(转自国大佬)
- git@gitlab.com: Permission denied报错
- CentOS7离线搭建nas共享存储
- webStorm 3.0配置使用主题背景色等
- 智哪儿高端建材市场调研:智能家居产品占几成?结果超出你的想象