conda activate pytorch
cd /DeepLabV3plus-Pytorch-master
#先打开visdom (指定端口号,和运行指令里的端口号一致)
python -m visdom.server -p 28333
#进行训练
python main.py --model deeplabv3plus_mobilenet --dataset cityscapes --enable_vis --vis_port 28333 --gpu_id 1 --lr 0.1 --crop_size 512 --batch_size 8 --output_stride 16 --data_root ./datasets/data/cityscapes
#预测指定文件夹的图像并将彩色图结果保存在指定文件夹中
python predict.py --input /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes/leftImg8bit/val --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/result2
#对这500张验证集合进行验证,将图片保存在指定文件夹,并在终端显示结果
python main.py --model deeplabv3plus_mobilenet --dataset cityscapes --gpu_id 1 --lr 0.1 --crop_size 768 --batch_size 4 --output_stride 16 --data_root ./datasets/data/cityscapes --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --test_only --save_val_results
#验证结果如下:
继续使用,查看各个miou
#命令行运行pre_dan.py,将val集预测成单通道的图像,该代码顺便命名格式修改一致了。
python pre_dan.py --input /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes/leftImg8bit/val --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/result3000
#直接运行writeval.py,将预测集写进一个val.txt
#直接运行get_miou.py,出结果
更新
#先打开visdom (指定端口号,和运行指令里的端口号一致)
python -m visdom.server -p 28333
#查看一下,xception模型的预训练权重加载位置是否正确。
python main.py --model deeplabv3plus_xception --dataset cityscapes --enable_vis --vis_port 28330 --gpu_id 0,1 --lr 0.1 --crop_size 768 --batch_size 8 --output_stride 16 --data_root /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes
#查看一下验证集cityscapes/leftImg8bit/val (500张彩色图)位置是否正确
#先测试一下验证集,预测结果(单通道图)放在pre1里,注意位置是否需要修改
python pre_dan.py --input /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes/leftImg8bit/val --dataset cityscapes --model deeplabv3plus_xception --ckpt checkpoints/best_deeplabv3plus_xception_cityscapes_os16.pth --save_val_results_to /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-xception/datasets/data/pre1
#直接运行writeval.py,将预测集pre1(图片名称)写进一个val.txt #注意是否修改位置
#直接运行get_miou.py,出结果。注意main函数里三个文件的位置是否正确。
#分别是
#官方给定的验证集(500张黑白图)
#本模型的训练集(pre1)
#val.txt