使用CityScapes数据训练deeplabV3遇到的一些问题(2019-11-25)

本文档记录了在使用TensorFlow和CityScapes数据集训练deeplabV3过程中遇到的问题,包括tensorflow环境问题,CUDA兼容性,代码版本不匹配以及Windows与Linux系统的差异。解决方案涉及安装合适版本的tensorflow-gpu,确保CUDA和CUDNN版本匹配,修正代码以适应最新更新,以及在Windows环境下运行.sh脚本的替代方法。
摘要由CSDN通过智能技术生成

整个过程主要用到的网站:

TensorFlow实战:Chapter-9上(DeepLabv3+代码实现)

(超详细很完整)tensorflow上实现deeplabv3+

官方指导文档

CityScapes数据官方下载地址

CUDA官方下载地址       CUDNN官方下载地址

tensorflow各个版本的CUDA以及Cudnn版本对应关系

CityScapes数据转换TFRecord数据代码地址:https://github.com/mcordts/cityscapesScripts

deeplab模型地址:https://github.com/tensorflow/models

各个数据预训练模型:https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md

遇到的主要问题:

1、tensorflow环境问题

2、CUDA环境和兼容问题

3、各个代码的版本问题

4、windows上运行和linux上的区别导致的问题

问题描述和解决方法

1、tensorflow环境问题(一般是在执行转换tfrecord数据的代码的时候出现的)

     tensorflow has no attribute 'app'     tensorflow has no attribute 'logging'     tensorflow has no attribute 'contrib'等一系列缺失各种模块的问题。

     训练过程太慢

     Could not load dynamic library 'cudart64_100.dll'(cuda安装的情况下出现这个问题)

解决这些问题的方法就是安装合适的tensorflow-gpu版本,w

  • 7
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
为了在PyTorch中对DeepLabV3模型进行训练,需要按照以下详细步骤: 1. 准备Cityscapes数据集:首先下载Cityscapes数据集,并解压缩到指定目录。Cityscapes数据集包括了大量城市场景的图像和对应的标注数据。 2. 数据预处理:对Cityscapes数据集进行预处理,包括图像大小调整、数据增强和标签映射等操作,以便与DeepLabV3模型进行训练和评估。 3. 构建DeepLabV3模型:在PyTorch环境中构建DeepLabV3模型,可以选择使用训练模型进行迁移学习,也可以从头开始训练。 4. 定义损失函数和优化器:为模型定义损失函数和优化器,常用的损失函数包括交叉熵损失函数等,优化器可以选择Adam、SGD等。 5. 进行训练:将预处理后的Cityscapes数据集输入到DeepLabV3模型中进行训练,根据损失函数和优化器进行参数更新,直到模型收敛或达到指定的训练轮数。 6. 模型评估:使用训练好的DeepLabV3模型对Cityscapes数据集进行评估,计算模型在测试集上的准确率、召回率等指标。 7. 模型优化:根据评估结果对模型进行优化,可以调整模型结构、超参数,或者尝试不同的训练策略等方法。 通过以上步骤,可以在PyTorch环境中成功移植并训练DeepLabV3模型,基于Cityscapes数据集实现语义分割任务。这个过程需要一定的PyTorch基础和对深度学习模型训练的理解,但是通过不断尝试和调整,可以得到更好的训练效果。
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值