[编译环境]百度深度学习平台PaddlePaddle安装、官方跑通、跑通自己想用的模型（deepLab,swin-transformer哒哒哒）

前言：

新的学期新的方向，新的学期成功转型——由目标检测成功登陆语义分割。最近一直在研究语义分割领域中的优秀模型，但是部分模型复现还是挺麻烦的，其中最烦的应该得包括安装库文件和看源代码了

一 简介：

paddle是百度推出的国内首个深度学习应用平台，里面包含了很多优秀经典的模型，方便实用的API接口。额······，我不是打广告的，仅仅记录在接触并开始使用paddle，到目前为止遇到的问题和解决办法。

二 安装（常见问题与解决）：

安装主要参考paddle在GitHub的官方文档官方文档，这里要选择是安装CPU版还是GPU版,安装GPU版时要根据自己系统的CUDA版本来决定。更多GPU版paddle安装链接
安装CUDA10.1版

python -m pip install paddlepaddle-gpu==2.2.1.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

安装CPU版

python -m pip install paddlepaddle==2.2.1 -i https://mirror.baidu.com/pypi/simple

问题1：pip install paddle提示“拒绝访问”

当时试了很多办法，想着既然是访问权限不够，那就以管理员的身份运行Anaconda prompt(不行)、修改文件的读写权限（不行）

解决办法：在pip命令后面添加 == – user==
例如：pip install paddle --user

问题2：目前paddle最高支持CUDA10.2，CUDA版本太高也会导致paddle安装失败。

安装更低的合适版本
安装CUDA链接
安装CUDNN链接

三 Run（官方示例模型+自己想跑的模型）：

官方的确认环境是否安装成功命令，cmd命令不能换行，不能有斜线

python predict.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --model_path https://bj.bcebos.com/paddleseg/dygraph/optic_disc/bisenet_optic_disc_512x512_1k/model.pdparams\
       --image_path docs/images/optic_test_image.jpg \
       --save_dir output/result

修改后结果：

python predict.py --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml --model_path https://bj.bcebos.com/paddleseg/dygraph/optic_disc/bisenet_optic_d![在这里插入图片描述](https://img-blog.csdnimg.cn/19745a76375a4652b73b072243063864.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAU1hBTkc=,size_20,color_FFFFFF,t_70,g_se,x_16)
isc_512x512_1k/model.pdparams   --image_path docs/images/optic_test_image.jpg  --save_dir output/result

运行结果图：

分割结果图：

效果还是挺好的！

训练自己想要的模型

export CUDA_VISIBLE_DEVICES=0 # 设置1张可用的卡
# windows下请执行以下命令
# set CUDA_VISIBLE_DEVICES=0
python train.py \
       --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \
       --do_eval \
       --use_vdl \
       --save_interval 500 \
       --save_dir output

删除换行、斜线后:

python train.py --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml --do_eval --use_vdl --save_interval 500 --save_dir output

训练deepLab模型，命令

python train.py --config configs\deeplabv3\deeplabv3_resnet50_os8_cityscapes_1024x512_80k.yml  --do_eval --use_vdl --save_interval 500 --save_dir output

重点参数是–config，需要指明训练模型的配置文件，在配置文件里设置训练的各种参数。指定数据集、数据集类型、路径、轮数、学习率、损失函数等等。