cianfen的部落格

以 SEGNET pytorch 為例子, 安裝pytorch with GPU CUDA support 可以給3080 TI 使用

(1) create environment

conda create --name pytorch2 python=3.8

(2) 進入pytorch ,可以使用選擇環境的方式, 做出 install 的command, copy and execute command line

自行配版本, 總是會發生不確定的問題!

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

https://pytorch.org/get-started/locally/

(3) install scimage

pip install  scikit-image

(4) vinceecws/SegNet_PyTorch

source code download

https://github.com/vinceecws/SegNet_PyTorch   

(4.1) download data set

 官方原始的 data set 已無法使用

 改到: github.com/lih/CamVid download 二個目錄, CamVid_RGB, CamVid_Label 

(5) train.py

建立 Camvid_RGB, Camvid_label, res

將download 到的 training set, images 放到.上述目錄.

(5) 程式相闗小修改

raw_dir = os.path.join(os.getcwd(), 'CamVid_RGB')
    lbl_dir = os.path.join(os.getcwd(), 'CamVid_Label')

        SegNet.Train.Train(trainloader, os.path.abspath("checkpoint.pth.tar")) 

#如果選YES, 要注意 weight 檔名.

  (6) 改變存檔條件, segnet.py

  原來要做的Epoch 太久, 

            if (i%5==4):
                Train.save_checkpoint({'epoch': epoch, 'state_dict': model.state_dict(), 'optimizer' : optimizer.state_dict()}, path)
順利的話, 會在source 的目錄, 產生 weight file.tar

(6) test_segnet.py

這項就不是小改可以run, 原始的file 有點bug.

將 main(args)中, 修改

   classes_dir = "d:/Segnet"
    classes = np.load('classes.npy')

    camvid_raw_dir = "d:/Segnet/camvid_RGB"
    camvid_labelled_dir = "d:/Segnet/camvid_label"

    weight_fn = "checkpoint.pth.tar"
#    segnet_weights.pth.tar
    res_dir = "res"

就不用paser. 那段code.

(7) run test_segnet.py

>>  python test_segnet.py

結果影像在reg 目錄.