训练Multinet踩坑记（一）

怀揣激动用原demo.py去测试一下自己刚训练好的multinet2（seg+detect）.运行：

python demo_multi2.py --logdir /home/cvrsg/MultiNet/RUNS/max_steps_90000_batchsize_1/multinet2_2019_05_25_21.05/step10000 --input data/demo/um_000005.png --output_image output_image --gpus 0

报错:

.
.
.

ce (/gpu:0) -> (device: 0, name: GeForce GTX 1070, pci bus id: 0000:01:00.0)
2019-05-28 18:24:08,705 INFO /home/cvrsg/MultiNet/hypes/../RUNS/max_steps_10000_batchsize_1/multinet2_2019_05_28_01.54/model.ckpt-9999
Traceback (most recent call last):
  File "demo.py", line 426, in <module>
    tf.app.run()
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/platform/app.py", line 44, in run
    _sys.exit(main(_sys.argv[:1] + flags_passthrough))
  File "demo.py", line 329, in main
    test_constant_input(subhypes)
  File "demo.py", line 157, in test_constant_input
    road_input_conf = subhypes['road']['jitter']
KeyError: 'road'

（是关于road的错误，拍下脑门一想：肯定会报错呀，因为你训练的时候没有包含road的分类）然后把关于road相关的代码做修改，修改后的代码(demo_multi2.py)。
再次运行：出现如下错误：

I tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA: 0 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0:   Y 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1070, pci bus id: 0000:01:00.0)
2019-05-27 23:16:59,827 ERROR 
2019-05-27 23:16:59,827 ERROR Issue with Segmentation input handling.
2019-05-27 23:16:59,827 ERROR Segmentation input will be resized during thisevaluation, but was not resized during training.
2019-05-27 23:16:59,827 ERROR This will lead to bad results.
2019-05-27 23:16:59,827 ERROR To use this script please train segmentation usingthe configuration:.
2019-05-27 23:16:59,827 ERROR 
{
    "jitter": {
    "reseize_image": true,
    "image_height" : 384,
    "image_width" : 1248,
    },
}
2019-05-27 23:16:59,827 ERROR Alternatively implement evaluation using non-resized input.

---

• 训练前设置（reseize_image": true,）

---

WHAT???
原来训练的时候需要将seg部分：在KittiSeg.json中搜索（ctrl+F）reseize_image，默认设置的是false，改成 true并保存。
然后重新训练。

（续）
重新训练好之后（本人为了检验是否的却是上述问题，这里先跑了10000steps），我们拿之前修改过的代码测试：

（a）下载原作者训练好的权重测试效果。
（b)自己训练10000steps的检测效果

从测试效果来看：
分割的效果几乎差不多；
检测的效果：(a)出现了误检现象，(b)则没有（开心，哈哈）。原文训练好像是14w steps，而自己只训练了10000 steps，效果就差不多了，最起码分割效果是相当了。但是检测效果还是没有14w steps 检测的准确。

如有不对，望大佬指正，轻喷。