Unet检测图像分割
最近新入手了RTX3090显卡,想找个框架试下3090性能。TensorFlow,pytorch和paddle都已经支持CUDA11了。paddle是12月20日发布paddlepaddle2.0rc1版本支持CUDA11,没来得及验证。下面说明下TensorFlow在RTX3090深度学习环境的搭建和训练。因为是新入手的台式机,所以从0开始搭建环境。本博客用到的资源都已经上传百度网盘,方便大家搭建自己的环境。包含Anaconda3-5.0.1、cuda11.1、cudnn、unet代码和CVC-ClinicDB数据集。
百度网盘链接:
提取码:77e0
一、conda安装
Anaconda安装按照步骤完成。打开Anaconda Prompt如下图:
创建虚拟环境
conda create -n tensorflow python=3.7
需要键盘输入y,然后完成虚拟环境安装。
附:再多说明几条命令
- conda env list //查看当前的虚拟环境,如果是多个深度学习框架可以创建多个虚拟环境。
- activate tensorflow //激活当前虚拟环境
- deactivate //关闭当前虚拟环境
- conda remove -n tensorflow --all //删除虚拟环境,tensorflow 是虚拟环境名称
二、cuda11.1的安装
cuda安装按照步骤进行即可,选择自定义安装
安装完成后系统变量如下:
path里面包含内容如下:下面第二个红框内容需要自己补充
三、cudnn的安装
把cudnn解压如下图:
把bin、include和lib三个文件夹里的文件都分别拷贝到cuda安装目录下的bin、include和lib文件夹内。
四、TensorFlow安装
打开Anaconda Prompt
activate tensorflow
pip install tf-nightly-gpu
五、RTX3090环境验证
进入tensorflow虚拟环境以后,进入python环境
import tensorflow as tf
print('GPU',tf.test.is_gpu_available())
如果碰到缺少cusolver64_10.dll,直接把cusolver64_11.dll复制一份改成cusolver64_10.dll即可。该文件在cuda安装目录bin文件夹内。
六、Unet医学图像分割
先放上Unet工程源码,百度网盘里也有提供:
https://github.com/nikhilroxtomar/Polyp-Segmentation-using-UNET-in-TensorFlow-2.0
解压工程以后把CVC-612/images的README.md和CVC-612/masks里的README.md文件都删掉。
直接执行 python train.py即可
如果想训练更多的数据,把数据集《CV临床数据库》里的png原图和标签分别拷贝到images和masks里面再进行训练。训练的epoch,batch size,lr等可以修改,这些在train.py里面。