TensorFlow deeplab V3+训练自己的数据踩坑记

针对TensorFlow 1.10版本,在训练自定义数据集时遇到的错误及解决方案,包括数据集注册、尺寸配置、接口调用等常见问题。
部署运行你感兴趣的模型镜像

作为一个小白,制作好了训练数据,代码也都按照指示修改好了,准备train的时候报了一些错误,和大家一起分享踩坑的解决方法。

我的TensorFlow版本是1.10

1.

ValueError: The specified dataset is not supported yet.

这是在提示自己做的训练样本没有注册,虽然前期按照一些博主分享的教程修改了segmentation_dataset.py文件,但是仍然提示没有注册。

解决方法:修改…/research/deeplab/datasets/data_generator.py,在与segmentation_dataset.py中相同的位置注册自己的数据集。

参考https://blog.youkuaiyun.com/xjtdw/article/details/92848032

2.

crop_width=self.crop_size[1],  IndexError: list index out of range 1

给train.py赋值出现的问题。

解决方法:–train_crop_size=512 –train_crop_size=512 修改为–train_crop_size=‘513,513’ (此处crop大小可根据自己的数据来定)

参考https://blog.youkuaiyun.com/xjtdw/article/details/92848032

3.

AttributeError: module 'tensorflow.image' has no attribute 'resize'

可能是我的tf版本比较旧,接口不对。

解决方法:找到报错的py文件对应位置,修改为 tf.image.resize_images

4.

AttributeError: module 'tensorflow.math' has no attribute 'divide'

产生问题的原因和3差不多。

解决方法:修改对应位置的调用代码为 tf.divide

参考:https://blog.youkuaiyun.com/oMoDao1/article/details/82284105

 

以上。

 

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

### 使用 DeepLab V3+ 进行 ADE20K 数据训练 为了使用 DeepLab V3+ 模型在 ADE20K 数据集上进行训练,需按照特定配置调整环境设置和参数。具体操作如下: #### 修改脚本路径与变量名 当准备基于 TensorFlowDeepLab V3+ 项目来适应新的数据源时,需要修改默认指向 PASCAL VOC 2012 数据集的相关路径至 ADE20K 数据集的位置[^4]。 ```bash # 将line51中的PASCAL_FOLDER="pascal_voc_seg" 替换为 ROOT_FOLDER="ADE20K" sed -i 's/PASCAL_FOLDER="pascal_voc_seg"/ROOT_FOLDER="ADE20K"/g' path_to_your_script.sh ``` #### 准备数据集 确保已下载并解压完整的 ADE20K 数据集到指定目录下,并且该目录结构应符合预期输入格式的要求。这通常意味着拥有清晰划分的子文件夹用于存储不同类型的图片(如训练集、验证集等),以及相应的标注信息文件。 #### 调整超参数 考虑到 ADE20K 是一个多类别场景解析的数据集,在实际应用过程中可能还需要进一步微调一些重要的超参数,比如批次大小(batch size),初始学习率(initial learning rate)等,以获得更好的性能表现[^2]。 #### 执行训练命令 完成上述准备工作之后,可以通过执行预定义好的 shell 脚本来启动训练过程。此脚本会自动加载必要的依赖库,初始化网络架构,并读取之前设定好的各项参数来进行迭代优化[^3]。 ```bash sh local_test.sh ``` 通过以上步骤可以顺利地利用 DeepLab V3+ 对 ADE20K 数据集实施有效的语义分割任务训练
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值