使用 deeplabv3+ 训练自己的数据集经验总结

简介

deeplabv3+是现今性能最好的语义分割模型之一，本文介绍如何在window环境下安装并运行deeplabv3+。

本文将详细介绍deeplabv3+的环境配置，训练自己的数据，参数调试等内容。

Update：

• 2018-8-22 环境搭建，数据集预处理，训练自己的数据

---

Todo：

• ✔环境介绍 Anaconda，使用gitbash运行 .sh 文件
• deeplabv3+简介
• ✔代码下载，本地测试
• ✔处理自己的数据集
• 内部的一些微调，及各项参数的用处
• 结果

---

---

1、环境介绍

本地工作站实验环境：
系统：windows 7
GPU：Geforce TITAN X × 2
CUDA：9.0 + CUDNN7.5
Tendorflow：1.9.0-gpu （使用1.8.0及以上版本，亲测1.4.0缺少函数，会报错）

上述环境安装的具体步骤可参考：win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置

1.1 如何使用 Git Bash 运行.sh脚本

由于deeplab官方github仓库clone下来的代码中使用了shell脚本进行自动化训练、评估、格式化等操作，然而这些脚本应当是在linux系统下运行的。由于我的机器Ubuntu14.04系统的环境配置不好，无奈只能想方法在Windows上运行。为了能在windows系统上运行shell脚本，这里强烈推荐Git Bash。它是Git（没错，就是那个代码管理系统）软件的一个子程序，感觉比windows自带的cmd和powershell要好用！
可以直接从Git 官网下载，然后正常安装，完毕后在任何文件夹的空白处鼠标右键，点击 Git Bash Here 选项，就可以在当前右键的路径下打开一个 Git Bash 控制台，长这个样子

以一个名 shell_script.sh为例，在脚本所在文件夹下打开 Git Bash，然后键入 ./shell_script.sh 就可以运行了。

虽然deeplab中的.sh脚本能够在Git Bash中运行，但是一些语句无效的，需要做其他修改，下面会提到。

在运行之前，我还遇到了一个小问题，就是工作站原本就有python环境，如果不修改默认 python 路径，容易发生 import 问题（纯净环境配置后是否有这样的问题未知，总之添加一下环境变量就好了），安装Anacoda后需要将默认的 python 路径改成Anaconda的 python 路径。在用户变量中的 PATH 变量中添加 C:\ProgramData\Anaconda3\Scripts 和 C:\ProgramData\Anaconda\Library\bin 两个路径，此处只是举例，具体路径请按照真实的安装路径添加！！

环境变量设置具体可参考 win10+python3下Anaconda的安装及环境变量配置

1.2 Windows环境安装 tf-model

先给出 tf-model 的Github地址：Tensorflow Models Github官方仓库

deeplab 的源码就在 research 文件夹中。

在 deeplab/g3doc/installation.md 中提到，安装deeplab需要将 research/slim 路径加入 PYTHONPATH 中去，官方给出的方法是在每次运行之前都执行，但仅在linux系统中起作用

export PYTHONPATH=