UNET训练分割网络总结

GitHub原文地址：milesial/Pytorch-UNet: PyTorch implementation of the U-Net for image semantic segmentation with high quality images (github.com)

参考链接：

pytorch复现U-Net 及常见问题汇总（2021.11.14亲测可行）_pytorch u-net_奶盖芒果的博客-CSDN博客


UNet复现及环境配置（含数据集）_.小简.的博客-CSDN博客

​​​​​​U-net复现pytorch版本 以及制作自己的数据集并训练_奶盖芒果的博客-CSDN博客

1.配置环境

2.下载数据集

汽车数据集：trainsets1-car https://www.aliyundrive.com/s/N88XZqgxNC4 提取码: 42eg

细胞数据集：trainsets2-cell https://www.aliyundrive.com/s/2bCrHUoHR1V 提取码: ho81

tongue非公开数据集。

3.修改部分参数

路径

训练参数

n_channels和n_classes

4.开始训练，大概是这样

5.训练情况可视化（可点击上图那个蓝色链接，从浏览器里面看）

6.训练结果

7.预测

# -i 是指定预测的照片 其他参数可以自己看get_args部分
# test.jpg放在项目的根目录里面，否则用类似  ./predict/test.jpg
python predict.py -i test.jpg --viz -v

8.一些问题

a.使用自己的数据集时，注意文件后缀类型和命名规则

b.显存溢出

改batch_size 等训练参数，或者切换显卡，或者使用服务器等。

c.size mismatch

把报错的量都pop掉，并且加strict=False

该问题这种方法解决得不好，使得预测结果很糟糕。