UNet跑自己的VOC格式数据集——超好用！Pytorch版本（自用笔记）

源码：https://github.com/bubbliiiing/unet-pytorch
参考的blog：https://blog.csdn.net/weixin_44791964/article/details/108866828
这个源码里的注释超级超级详细，我哭死。。。。

默认已经准备好了自己的VOC格式的数据集。

用train.py训练，get_miou.py预测就行了。
注意，如果要指定GPU的id的话，可以在import torch前面加上这句，数字就是id

os.environ["CUDA_VISIBLE_DEVICES"] = "1"
import torch

训练：
修改train.py文件：
是否使用Cuda，num_classes类别数，主干网络，model_path改为自己在readme里面下载好的权值文件路径，注意修改save_dir路径自己要在logs下建一个当前项目的子文件夹（要不然训练多了会混起来），数据集路径，dice_loss和focal_loss按照注释修改，还有一些训练参数自己按需修改。
预测mask：
因为我要预测多张图，predict.py里面还得自己改代码写遍历，后面发现get_miou.py里有现成的。设置miou_mode为1代表仅仅获得预测结果。
预测一般要改的：
get_miou.py里：miou_mode、分类数、种类、VOC路径、txt文件路径、输出mask的路径。
unet.py里：model_path指向./logs文件夹下的权值文件，num_classes，具体要看自己要更改哪些参数