Ubuntu16.04配置deeplabv3+的pytorch版本

原创已于 2023-03-11 21:25:57 修改 · 1k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #python

于 2022-06-10 17:43:00 首次发布

本文详细介绍了如何在Python环境中配置DeepLabV3+模型，包括使用conda管理库版本（如cud11.0和cudnn 8.0）、下载预训练权重并进行VOC数据集上的图片预测。教程还包括了Visdom可视化和训练过程的步骤。

部署运行你感兴趣的模型镜像

deeplabv3+的github代码：https://github.com/VainF/DeepLabV3Plus-Pytorch
1.我的环境配置
conda安装cud11.0+高版本8.0的cudnn

scipy==1.7.1
numpy==1.21.2
matplotlib==3.4.3
opencv-python==4.5.3.56
torch==1.7.1
torchvision==0.8.2
tqdm==4.62.2
Pillow==8.2.0
h5py==2.10.0
visdom

2.预训练权重下载
腾讯微云：https://share.weiyun.com/qqx78Pv5
讲文件放在新建的文件夹checkpoints下
3.预测图片
首先进入新建的环境

conda activate py1.7

预测结果保存在新建文件夹test_results下
单张图片预测

python predict.py --input 1.png  --dataset voc --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_voc_os16.pth --save_val_results_to test_results

python predict.py
–input samples/1_image.png #输入图片
–dataset voc #训练数据集，街道cityscapes, 一般图片voc
–model deeplabv3plus_mobilenet #选择网络模型
–ckpt checkpoints/best_deeplabv3plus_mobilenet_voc_os16.pth #选择预训练参数
–save_val_results_to test_results #输出路径
在这里插入图片描述

在这里插入图片描述

文件夹下所有图片预测

python predict.py --input samples  --dataset voc --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_voc_os16.pth --save_val_results_to test_results

在这里插入图片描述
训练：

visdom可视化

#install visdom
pip install visdom
 
anaconda3/envs/deeplabv3/lib/python3.8/site-packages/visdom
注释掉server.py文件中函数download_scripts_and_run()中的一句
#download_scripts()
# Run visdom server
python -m visdom.server

 visdom -port 28333

python main.py --model deeplabv3plus_mobilenet --enable_vis --vis_port 28333 --gpu_id 0 --year 2007 --crop_val --lr 0.01 --crop_size 513 --batch_size 16 --output_stride 16

在这里插入图片描述 GPU是3060系列的16G