Unet语义分割训练和TensorRT部署

参考链接：https://gitee.com/dogeblog/unet#%E4%BB%8B%E7%BB%8D
防止失效，以下记录：
介绍
基于unet的语义分割。 包括标注，标注结果转训练集，数据集训练，训练结束后转tensorrt,tensorrt客户端部署。

tensorrt部署后，640*360的图，在rtx3090推理时间4-5ms

原始代码来源
unet代码源于https://github.com/milesial/Pytorch-UNet
tensorrt代码源于https://github.com/wang-xinyu/tensorrtx 与 https://github.com/YuzhouPeng/unet-tensorrt
1.标注
参考https://gitee.com/doge_ac_cn/labelme#installation

2.生成unet训练的数据集
1.先把labelme标注的结果放在 labelme绘制mask/labelme 文件夹下。

2.然后先后运行labelme2coco.py和genneratemask.py，分别生成coco标注文件和mask文件。

3.训练
1.把原图和mask分别拷贝到 Pytorch-UNet/data 的img和mask文件夹下

2.运行train.py

3.命令行输入tensorboard --logdir=runs

然后进入h