Flownet2.0训练过程全指导

电脑配置信息、代码和数据集

电脑配置

Windows10，NVIDIA 的GPU 1080Ti，自带显卡驱动cuda10

代码

使用的是NVIDIA发布的使用pytorch实现flownet2.0代码，个人比较喜欢pytorch，代码简洁易懂。
github链接: https://github.com/NVIDIA/flownet2-pytorch

Flying_chairs数据集

之前学习Flownet ( https://github.com/ClementPinard/FlowNetPytorch)时使用KITTI数据集训练效果比较差，于是打算网上下载Fly_chairs数据，但是很多都需要积分和钱，因此我头铁的使用VPN下载了整整一个月（主要是下载很不稳定），为了防止后来者走我这条弯路，这里贴出网盘链接:
https://pan.baidu.com/s/1c3_S0AABXNJVPWQBvkb_ug
密码: bjrf
.zip文件一共30.6G（这里建议开通网盘超级会员，或者找室友借，不然网盘下载速度也很感人），解压之后好像60多G。

环境配置

gpu版本的pytorch配置

这里的环境配置主要是关于gpu版本的pytorch安装，如果电脑配置和我相同的话，配置就比较简单，使用anaconda的conda命令下载即可，其中pytorch和cudnntoolkit的文件较大，建议使用清华源下载到电脑之后再进行线下安装，相关教程网上很多，在此不再赘述。
几点提示：

1. 其实不用像github项目中要求 pytorch0.4.1版本，我使用的就是pytorch1.2.0配上cuda10 ;
2. 要求的一些包可以使用pip的清华源下载更快，如果不要求什么其他依赖的话;
3. 一些电脑显卡配置不能直接使用conda下载的，我个人建议乖乖的下载cuda的相关版本，不然会花很多时间。

源码编译

networks文件夹的编译参考这篇博文有效避坑
其实如果没有遇到相关问题可以直接编译，记得在运行程序的conda环境下编译。

使用自己拍摄的视频进行运动目标检测

本来想做一个实时的视频分析，但是光流图的出现要经过6s左右，很难做到不卡顿，但是网络实现图片到光流的时间其实只有0.03~0.06s，图像的其他操作加长了处理的速度。

手部测试视频 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 实现光流视频

图1 手部测试数据

图2 实现光流

改编自run_a_pair.py -------- 生成多张png图片

# -*- coding: utf-8 -*-
import numpy as np
import cv2
import warnings
warnings.filterwarnings(