记录实现deeplabv3遇到的问题以及环境搭建。

参考文章及其源码:憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型(划分斑马线)_Bubbliiiing的学习小课堂-CSDN博客憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型(划分斑马线)学习前言模型部分什么是DeeplabV3+模型DeeplabV3+模型的代码实现1、主干模型Xception。2、DeeplabV3+的Decoder解码部分代码测试训练部分训练的是什么1、训练文件详解2、LOSS函数的组成训练代码1、文件存放方式2、训练文件3、预测文件训练结果学习前言Deep...https://blog.csdn.net/weixin_44791964/article/details/103017389?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163274039616780366550654%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163274039616780366550654&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-103017389.pc_search_all_es&utm_term=deeplabv3&spm=1018.2226.3001.4187

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!

你可能感兴趣的