[深度学习][软件工具]pytorch-unet傻瓜式训练工具使用教程

unet作实例分割还是很方便的但是有个问题就是，数据集通常都是使用labelme标注的有的情况下被mask图片搞的头昏脑胀，原因是unet很多版本不支持RGB格式mask或者只能为index灰度图，这就是难坏了一大批初学者，有时候为了mask问题甚至几天都没进展，为了解决这些问题，一款刷瓜式训练工具诞生了，本工具使用的是python+软件工具混合方式，将配置 数据集转换等操作由软件完成，这样无需关注如何配置参数也不需要关注怎么转换数据集，你只要标注自己labelme数据集即可。本工具在labelme4.6.0标注数据集支持转换，理论支持以后版本。首先我们打开软件

使用步骤如下：

第一步：大家请安装好自己pytorch环境，本训练支持torch==1.7.0 torchvision==0.8.1环境且测试通过,理论上支持以上版本，比如torch==1.8.0或者torch==1.9.0

第二步：导入自己的json目录，有的时候json文件没有存储imageData的图像数据，这时候建议大家把图片和json放一起，这样软件转换时候如果遇到imageData为空会自动由图像进行转换。

第三步：点击转换数据集，由于是像素级mask转换时间依据图片大小决定 ，比如我51张图片，最高像素有3000转换需要2分钟左右，如果您的数据集更多需要转换时间更长，这时候您可以去软件目录mydata/mask下面查看图片是不是在增加，如果在增加表示转换正在进行中。否则表示软件转换出现问题，这时候需要排查问题。数据集建议不要包含中文路径还有空格，文件名字也不要有中文，这样可能对转换有一定影响。转换完成后，在状态说明即可显示转换数据集已完成!

第四步：点击配置并获取命令即可获取训练指令。

第五步：切换到自己环境，粘贴自己命令即可开始训练

比如：

conda activate py38

cd /d D:\pytroch-unet && python train.py

最后训练完成后大家会在run/pascal/Unet文件下面找到自己训完毕的模型

最后教大家怎么测试自己的模型

大家可以写个脚本，比如testmymodel.py

from UnetManager import *
if __name__ == '__main__':
    weights = 'run/pascal/Unet/model_best.pth.tar'
    num_classes = 7 + 1  # 包含背景一个
    um = UnetManager(weights=weights, num_classes=num_classes)
    pil_img=Image.open(r'C:\Users\Administrator\Desktop\id_51_labelme_7cls\id\ID_944.jpg')
    result_img=um.inference_image(pil_img)
    result_img.show()

完整视频教程地址：pytorch-unet刷瓜式训练工具使用教程_哔哩哔哩_bilibili