深度学习(8):FastFCN代码运行、测试与预测2

FsatFCN上一篇：

深度学习(五)：FastFCN代码运行、测试与预测_biter0088的博客-CSDN博客

3 测试模型

3.2.4 predict [multi-scale]（多尺寸）

#github参考输入
#predict [multi-scale]
CUDA_VISIBLE_DEVICES=0,1,2,3 python -m experiments.segmentation.test --dataset pcontext \
    --model encnet --jpu [JPU|JPU_X] --aux --se-loss \
    --backbone resnet50 --resume {MODEL} --split val --mode test --ms

#这里输入
CUDA_VISIBLE_DEVICES=0,1,2,3 python -m experiments.segmentation.test --dataset pcontext \
    --model encnet --jpu JPU --aux --se-loss \
    --backbone resnet50 --resume /home/meng/.encoding/models/encnet_jpu_res50_pcontext.pth.tar --split val --mode test --ms

      save_folder如下图： 

         预期耗时1小时20分钟左右：

        最终耗时1小时18分钟

@meng