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 ...

deeplabv3+——训练自己的数据集 torch1.12.0 cuda11.3

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

deeplabv3+——训练自己的数据集 torch1.12.0 cuda11.3相关推荐

最新文章

热门文章