飞桨PaddleSeg使用安装说明
1.安装PaddleSeg
如果大家需要基于PaddleSeg进行开发和调试,推荐采用源码安装的方式。如果大家只是调用PaddleSeg,推荐安装发布的PaddleSeg包。
1.1 源码安装PaddleSeg
从Github下载PaddleSeg代码
mkdir -p /doc/work
cd /doc/work
git clone https://github.com/PaddlePaddle/PaddleSeg.git
如果连不上Github,可以从Gitee下载PaddleSeg代码,但是Gitee上代码可能不是最新。
git clone https://gitee.com/paddlepaddle/PaddleSeg.git
执行如下命令,从源码编译安装PaddleSeg包。大家对于PaddleSeg/paddleseg目录下的修改,都会立即生效,无需重新安装
cd PaddleSeg
pip install -r requirements.txt
1.2 安装发布的PaddleSeg
执行如下命令,安装发布的PaddleSeg包。
pip install paddleseg
1.3 确认环境安装成功
在PaddleSeg目录下执行如下命令,会进行简单的单卡预测。查看执行输出的log,没有报错,则验证安装成功。
sh tests/install/check_predict.sh
ImportError: libGL.so.1: cannot open shared object file: No such file or directory
pip uninstall opencv-python -y
pip install opencv-python-headless -i https://pypi.tuna.tsinghua.edu.cn/simple
1.4 执行分割任务
运行验证
python tools/train.py --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml
1 准备数据
cd PaddleSeg
mkdir data && cd data
wget https://paddleseg.bj.bcebos.com/dataset/optic_disc_seg.zip
unzip optic_disc_seg.zip
cd ..
2 准备配置文件
示例使用的配置文件是:PaddleSeg/configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml
3 模型训练
export CUDA_VISIBLE_DEVICES=0 # Linux下设置1张可用的卡
# set CUDA_VISIBLE_DEVICES=0 # Windows下设置1张可用的卡
export CUDA_VISIBLE_DEVICES="-1"
python tools/train.py \
--config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \
--save_interval 500 \
--do_eval \
--use_vdl \
--save_dir output
4.模型评估
在PaddleSeg根目录下,执行如下命令,使用val.py脚本来评估模型的精度,即计算验证数据集的精度。
python tools/val.py \
--config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \
--model_path output/best_model/model.pdparams
5 模型预测
python tools/predict.py \
--config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \
--model_path output/best_model/model.pdparams \
--image_path data/optic_disc_seg/JPEGImages/H0002.jpg \
--save_dir output/result
判断你的机器是否支持avx
cat /proc/cpuinfo | grep -i avx