记录将Unflow跑起来的过程

准备工作

首先下载unflow工程，

git clone https://github.com/simonmeister/UnFlow.git

将config.ini搬出来

cp config_template/config.ini .

然后运行（过程中会自动下载数据集）

cd src
python run.py --ex my_experiment --debug True # 如果不打开debug选项则不会summary Graph和图片，展示效果不大好

慢慢等待，数据会下载好，然后解压。（因为数据很大，所以下载和解压都需要花一阵子的时间）

如果只想测试flying chairs数据集，而不想运行kitti数据集，则可以对应修改config.ini

dataset = chairs 

如果干脆不想下载kitti数据集，则需要在run.py中删除下载的行（因为kitti数据集的链接下载太慢，所以没有下载）

还需要解决的问题

当30多G的Flying Chairs数据下载完毕，又花了好一阵子解压，应该可以运行了吧？事实上在跑python run.py --ex my_experiment --debug True的时候还是报了很多的错误。而这些错误需要我们一个一个解决了，这里做下记录。

TypeError: unsupported operand type(s) for %: ‘NoneType’ and 'int

第一个错误是util.py中第23行的，当我们在这行语句前加上ipdb调试时，发现，这个传入的tensor是一个shape不明的tensor，如果想从这里面得到shape，得到的shape自然也是问好。当然就不能喝2进行模运算了。

【注】推荐使用python库ipdb来debug，特别推荐喜欢用gdb来debug的朋友。使用ipdb可以在代码运行到该行的时候展开iPython，在iPython的可交互环境下就很容易可以输出我们想要知道的变量。并且也可以用和gdb类似的n等命令，进行单步运行，从而进行调试。添加ipdb断点的代码是import ipdb; ipdb.set_trace()。多啰嗦一句，ipdb其实对于tensorflow不是特别方便，因为当图没有运行起来的时候，输出的只是有shape而没有value的tensor；相比起来如果是在PyTorch中，按照这样的思路可以输出任意位置的Tensor，这样就很方便。

ipdb> tensor                                                                                                
<tf.Tensor 'random_affine/StopGradient:0' shape=(?, ?, ?, ?) dtype=float32>

当发现了问题，我们还不能解决，因为这个tensor是从外部传进来的。所以我们需要根据报错中的stack来找哪儿调用了这个函数。从下面的stack中可以看到是在unsupervised_loss的位置调用了downsample，于是我们又去看这个函数，

  File "/UnFlow/src/e2eflow/core/train.py", line 160, in get_train_and_loss_ops
    loss_ = self.loss_fn(batch, self.params, self.normalization)
  File "/UnFlow/src/e2eflow/core/unsupervised.py", line 99, in unsupervised_loss
    im1_s = downsample(im1_norm, 4)
  File "/UnFlow/src/e2eflow/core/util.py", line 24, in downsample
    if height%2==0 and width%2==0:

在unsupervised.py中，最开始发现im1和im2都是正常的四个维度都知道的数据，

> /UnFlow/src/e2eflow/core/unsupervised.py(40