Unet代码试运行

研一刚开始，最近要用到FCN的网络结构，所以决定先跑通Unet代码，其中发现了各种各样的错误，踩了超级多的坑。此贴记录下第一次运行的过程，并且希望后来者能避免一些错误。

GitHub代码下载

GitHub下载地址https://github.com/zhixuhao/unet

解压压缩包的内容

data/membrane/train是训练集；

data/membrane/test是测试集，因为是运行过预测代码的结果，所以该文件夹里的0_predict是预测出来的结果。

data.py里定义了加载数据的函数，model.py定义了unet模型结构，main.py是主文件训练并且预测把预测结果保存下来。

试运行

在spyder中打开data.py,运行；

打开model.py,运行；

打开main.py,运行。

出错及错误修正

1

将main.py中#os.environ["CUDA_VISIBLE_DEVICES"] = "0"去掉#

原因可能是因为我的笔记本有集显和独显

2

UserWarning: Update your Model call to the Keras 2 API: Model(inputs=[<tf.Tenso..., outputs=[<tf.Tenso...)  model = Model(output = [conv10],inputs = [input_s])

原因是我电脑上装的keras版本是2.0，源代码是早期的版本，将model.py中的

model = Model(input = input_s，output = conv10)改为

model = Model(output = [conv10],inputs = [input_s])

3

此时还有一个错误merge will be removed after 2017/03大概是这样具体忘记了，这出错误是因为keras2.0中修改了API，解决方法是在model.py中将

merge6 = merge([drop4,up6], mode = 'concat', concat_axis = 3)改为

merge6 = concatenate([drop4,up6],axis = 3)，同理将代码中的所有merge的格式改写。

保存，再次运行model.py.

4

运行main.py，再次报错如下

OSError: broken data stream when reading image file

修正这个错误，在data.py中

最开头导入包的位置加上

from PIL import Image,ImageFileImageFile.LOAD_TRUNCATED_IMAGES=True

 

在我的电脑上只发生了这几处错误，再次运行main.py就开始训练过程了。

运行

在训练的过程中，训练了几轮后，loss在0.5左右，acc在0.7左右，以很慢的速度下降，训练了239/300的时候

239/300 [======================>.......] - ETA: 777s - loss: 0.3776 - acc: 0.8164

249/300 [=======================>......] - ETA: 649s - loss: 0.3752 - acc: 0.8185

269/300 [==========================>...] - ETA: 368s - loss: 0.3702 - acc: 0.8227

279/300 [==========================>...] - ETA: 266s - loss: 0.3686 - acc: 0.8240

289/300 [===========================>..] - ETA: 139s - loss: 0.3663 - acc: 0.8261

299/300 [============================>.] - ETA: 12s - loss: 0.3638 - acc: 0.8280 

 

在预测的过程中

1/30 [===============>.....]

12/30 [===============>.....]

20/30 [===============>.....]运行正常

21/30 [===============>.....]出现了错误如下

exception in thread Thread-63

意思是内存溢出，应该是我的内存太小只能放下预测出的20张预测结果的数据，第21张放不下了。

修改main.py文件中的results = model.predict_generator(testGene,30,verbose=1)，将30改为20。

运行成功，保存成功。

代码解析

详解main.py中的代码

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

调用英伟达独显，我的电脑有集显和独显两块显卡。

训练部分

data_gen_args=dict(rotation_range=0.2,width_shift_range=0.05,height_shift_range=0.05,                    shear_range=0.05,zoom_range=0.05,  horizontal_flip=True, fill_mode='nearest')

不知道什么意思。

myGene = trainGenerator(2,'data/membrane/train','image','label',data_gen_args,save_to_dir = None)

myGene是训练数据，'data/membrane/train'文件夹下，image文件夹存放训练图片,label文件夹存放训练图片的标签（也是图片形式），本示例中的图片形式都是.png

model = unet()载入模型结构

model_checkpoint = ModelCheckpoint('unet_membrane.hdf5', monitor='loss',verbose=1, save_best_only=True)

这一行是载入他人训练得到的模型及权重，这是keras的断点训练属性，unet_membrane.hdf5是他人保存的模型及权重，他人用model.save('unet_membrane.hdf5')保存得到该文件。

model.fit_generator(myGene,steps_per_epoch=300,epochs=1,callbacks=[model_checkpoint])

将训练集放到载入预权重的模型训练，steps_per_epoch=300表示一共分为300份，epochs=1表示一次训练1份。

预测部分

testGene = testGenerator("data/membrane/test")读入测试集原始图像。

results = model.predict_generator(testGene,20,verbose=1)  使用模型预测，在`test`文件夹中有编号0--29的30张图像，代码中20的意思是预测0--19这20张图像。

saveResult("data/membrane/test",results) 将结果保存到data/membrane/test路径中。