Java最新语义分割实战项目（从原理到代码环境配置），看完这篇文终于搞明白了

总结

总体来说，如果你想转行从事程序员的工作，Java开发一定可以作为你的第一选择。但是不管你选择什么编程语言，提升自己的硬件实力才是拿高薪的唯一手段。

如果你以这份学习路线来学习，你会有一个比较系统化的知识网络，也不至于把知识学习得很零散。我个人是完全不建议刚开始就看《Java编程思想》、《Java核心技术》这些书籍，看完你肯定会放弃学习。建议可以看一些视频来学习，当自己能上手再买这些书看又是非常有收获的事了。

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

**步骤 2.**


 在 GPU 平台上：

conda install pytorch torchvision -c pytorch

在 CPU 平台上：

conda install pytorch torchvision cpuonly -c pytorch

### 安装


#### 最佳实践


**步骤 0.** ​ 使用 MIM 安装 MMCV

pip install -U openmim
mim install mmengine
mim install “mmcv>=2.0.0”

**步骤 1.** 安装 MMSegmentation


情况 a: 如果您想立刻开发和运行 mmsegmentation，您可通过源码安装：

cd mmsegmentation
pip install -v -e .

‘-v’ 表示详细模式，更多的输出

‘-e’ 表示以可编辑模式安装工程，

因此对代码所做的任何修改都生效，无需重新安装

情况 b: 如果您把 mmsegmentation 作为依赖库或者第三方库，可以通过 pip 安装：

pip install “mmsegmentation>=1.0.0”

#### 验证是否安装成功



为了验证 MMSegmentation 是否正确安装，我们提供了一些示例代码来运行一个推理 demo 。


**步骤 1.** 下载配置文件和模型文件

mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .

**步骤 2.** 验证推理 demo


选项 (a). 如果您通过源码安装了 mmsegmentation，运行以下命令即可：

python demo/image_demo.py demo/demo.png configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg

您将在当前文件夹中看到一个新图像 ，其中所有目标都覆盖了分割 mask`result.jpg`


选项 (b). 如果您通过 pip 安装 mmsegmentation, 打开您的 python 解释器，复制粘贴以下代码：

from mmseg.apis import inference_model, init_model, show_result_pyplot
import mmcv

config_file = ‘pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py’
checkpoint_file = ‘pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth’

根据配置文件和模型文件建立模型

model = init_model(config_file, checkpoint_file, device=‘cuda:0’)

在单张图像上测试并可视化

img = ‘demo/demo.png’ # or img = mmcv.imread(img), 这样仅需下载一次
result = inference_model(model, img)

在新的窗口可视化结果

show_result_pyplot(model, img, result, show=True)

或者将可视化结果保存到图像文件夹中

您可以修改分割 map 的透明度 (0, 1].

show_result_pyplot(model, img, result, show=True, out_file=‘result.jpg’, opacity=0.5)

在一段视频上测试并可视化分割结果

video = mmcv.VideoReader(‘video.mp4’)
for frame in video:
result = inference_model(model, frame)

最后

这份《“java高分面试指南”-25分类227页1000+题50w+字解析》同样可分享给有需要的朋友，感兴趣的伙伴们可挑战一下自我，在不看答案解析的情况，测试测试自己的解题水平，这样也能达到事半功倍的效果！（好东西要大家一起看才香）

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

dn.net/forums/4f45ff00ff254613a03fab5e56a57acb)收录**

需要这份系统化的资料的朋友，可以点击这里获取