关于运行PanopticFCN的那些事

在此粗糙的记录一下相关的过程。如果有错误，还请屏幕前的你当一回热心观众提出正解哈～

一.安装过程

四个字，曲折跌宕。作为一个深度学习门外汉，前期的环境配置和安装来来回回就挺折腾的，但最后也跑出来了就很开心。记录几个比较重要的点：

1.各路基础套件版本

nvidia driver : 470
cuda : 11.0
cudnn : 8.0.1（对应cuda就好）
pytorch 17.0

2.安装detectron2的注意点

首先，如果碰到安装失败，一定要耐心去报错信息里找问题在哪里，不要只看最后的报错信息！！！解决了报错信息之后，一定要删掉build文件夹后，再重新安装！
由于我本人只需要用预训练好的模型，给自己的test图片来做全景分割，所以就可以跳过train的环节。github上有做evaluation的命令行，注意里面的checkpoint文件路径，就是readme表格里model链接下载到的.pth文件的路径，.pth不要看他是个压缩包就去解压（不要问我为什么这么闲，扶额）

3.怎么用panopticFCN来测试自己的数据？

这里呢，其实去issues里看一看就能发现了，感谢热心的作者和提问者，给我这个门外汉省了好多事TAT，感恩！
首先，打开/path to detectron2/demo/demo.py. 把你囧囧有神的眼睛移到27行。

    # To use demo for Panoptic-DeepLab, please uncomment the following two lines.
    # from detectron2.projects.panoptic_deeplab import add_panoptic_deeplab_config  # noqa
    # add_panoptic_deeplab_config(cfg)

看到了吗？！多么善良的程序员！
按照这个依葫芦画瓢啊，在这里加上两句

    from detectron2.projects.panopticfcn.config import add_panopticfcn_config  # noqa
    add_panopticfcn_config(cfg)

最后呢，记录一下我test的命令行。目前比较郁闷的是，如果想让他自己测试一个文件夹里所有的图片文件，输出了几个结果之后就会报错cuda out of memory了。。config文件里的batch size我也改成了1（据我浅薄的知识，这个应该在train的时候会有影响，直接test的时候会有影响吗？）。 下面这个*.png就可以输出文件夹下图片们的结果，但悲伤的是输出了几个就没内存了。 这些个选项是什么，要怎么设置，可以看看demo.py里面的get_parser()函数哈。

python3 demo/demo.py --config-file projects/PanopticFCN/configs/PanopticFCN-R50-3x-FAST.yaml --input /../listfolder/*.png --output /../output/

二. 关于数据集

1.数据集标签

更新一点：
在检查类别的时候发现下面的这个方法输出的id和实际图片输出的id不是互相匹配的，最后在github上找到了官方给出的catagory_id:
Json file panoptic_coco_categories.json contains the list of all categories used in COCO panoptic segmentation challenge 2018.
‘=========
用的是coco的数据集做全景分割，自然要去了解输出结果的tensor里，那些数字id的意思了！所以找到了下面这个方法，可以在终端输出一个列表
比如说，我其实要查看的是panoptic_val2017.json这个文件里面的标签记录，我就在这个文件所在的文件夹里直接新建了一个python文件coco_catagory.py

#!/usr/bin/python

cat_2014 = './路径其实随便改/instances_val2014.json'
cat_2017 = './panoptic_val2017.json'

import sys, getopt
import json

def main(argv):
    json_file = None 
    try:
        opts, args = getopt.getopt(argv,"hy:")
    except getopt.GetoptError:
        print('coco_categories.py -y <year>')
        sys.exit(2)
    for opt, arg in opts:
        if opt == '-y':
            if(arg == '2014'):
                json_file = cat_2014
            else:
                json_file = cat_2017
    if json_file is not None:
        with open(json_file,'r') as COCO:
            js = json.loads(COCO.read())
            print(json.dumps(js['categories']))

if __name__ == "__main__":
    main(sys.argv[1:])

然后呢，在终端里运行下面的指令，就可以看到所有的标签了

python coco_catagory.py -y 2017