1.语义分割,损失函数选择。https://www.jianshu.com/p/cb0d72aaaea4 参考资料
https://blog.csdn.net/qq_21997625/article/details/87695961 这个也行
2.语义分割 已经训练好网络,怎么将单帧图像放入GPU进行加速分割
参考github上的unet网络实现过程总结如下:
a.判断cuda是否可用
# 是否使用cuda
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
b.加载模型放入cuda
model = Unet(3, 1)
model.to(device=device)
model.load_state_dict(torch.load(args.ckpt,map_location=device))#这块就是加载模型过程
model.eval()
c.加载图像放入cuda然后去计算
z = x_transforms(testimg)#转成tensor
z = z.unsqueeze(0)
z = z.to(device=device, dtype=torch.float32)
y=model(z)
d.结果如果要在cpu上使用还要增加一步
img_y=torch.squeeze(y).cpu().numpy()
好了 随便用了 注意.cpu呦
impor