1、现阶段多数deeplabv3源码在TF2.x上并不适用。
解决方法:建立TF1.14环境,配置对应keras与cuda等。
具体步骤:
①利用Acaconda建立虚拟环境:
conda create -n TF1.14 python==3.6
conda activate TF1.14
conda install cudatoolkit=10.0 #gpu操作
conda install cudnn=7.4 #gpu操作
conda install tensorflow-gpu==1.14 #可在此处添加镜像加速
python
import tensorflow as tf
tf.__version__ #检验
②pycharm遇到bug以及解决办法(终端安装相关包)
No module named 'keras':pip install keras==2.2.5
No module named 'PIL':pip install pillow
AttributeError: 'str' object has no attribute 'decode':pip install h5py==2.10
(可在yolov5文章找到pip安装镜像加速链接)
③开始训练模型
由于TF2.x推出较近,许多模型都无法适用,所以在使用TF基础上的模型时一定要注意其所需要的环境,正确的环境可以减少大量时间的浪费!