【实验记录】pytorch /unet

最新推荐文章于 2025-02-11 22:37:38 发布

Koihoo

最新推荐文章于 2025-02-11 22:37:38 发布

阅读量443

点赞数

分类专栏：实验记录

本文链接：https://blog.youkuaiyun.com/weixin_44892610/article/details/107615598

版权

实验记录专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍如何在PyCharm中使用Python 3.6及以上版本进行Carvana图像分割项目的训练。通过修改Train.py文件中的数据路径，设置训练参数如设备、网络结构、数据集大小等，最终完成训练并生成检查点文件及可视化loss曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

github地址
py>=3.6
data Carvana

Train

在pycharm上打开整个项目，首先更改Train.py中的data地址（自己的数据下在哪里，直接复制地址粘贴）

 dir_img = '/home/koihoo/data/carvana/train/'
dir_mask = '/home/koihoo/data/carvana/train_masks/'
dir_checkpoint = 'checkpoints/'

打开pycharm终端，输入python train.py
随后终端开始运行程序，出现下面的结果，并且出现进度条。

INFO: Using device cuda
INFO: Network:
        3 input channels
        1 output channels (classes)
        Bilinear upscaling
INFO: Creating dataset with 5088 examples
INFO: Starting training:
        Epochs:          5
        Batch size:      1
        Learning rate:   0.1
        Training size:   4580
        Validation size: 508
        Checkpoints:     True
        Device:          cuda
        Images scaling:  0.5

大概２个小时跑完训练，项目里会自动生成１个cheinkpoints文件夹，里面包含５个（.pth）的文件。
项目还会生成１个run文件夹，里面包含３个tfevents文件，可以在终端用tensorboard进行可视化loss曲线。具体：进入tfevents文件上一级目录，cmd中输入tensorboard --logdir=evens地址。
随后可以进行单张图片的预测，首先去训练集随便复制一张图片到好用的地址，