pytorch复现U-Net 及常见问题汇总（2021.11.14亲测可行）

galaxy_robot 发布于2021-11-16 11:44 / 3209人阅读

摘要：目录复现过程复现过程训练过程常见问题整理训练过程常见问题整理之前简单地写了一个的复现过程，有很多小伙伴在评论里有很多疑问，抽空又复现了一遍，简单整理了常见的问题。

2021.11.14复现过程：

训练过程常见问题整理：

之前简单地写了一个pytorch的U-net 复现过程，有很多小伙伴在评论里有很多疑问，抽空又复现了一遍，简单整理了常见的问题。

之前写的教程：U-net复现pytorch版本以及制作自己的数据集并训练_candice5566的博客-CSDN博客

---------------------------------------------------------------------------------------------------------------------

2021.11.14复现过程：

github代码链接：

https://github.com/milesial/Pytorch-UNet

代码说明：这个代码新加入了一个wandb的可视化库，能够可视化训练过程中的参数变化情况

1.下载github的代码，并且配置好环境：

2.下载数据集：

我自己用来测试的数据集，链接：https://pan.baidu.com/s/1lqwZ6XvAtPhw5EYn4bwLUQ
提取码：upb3

3. 修改train.py文件里

a.修改数据集的路径

b.修改channel，如果是RGB图像，channel=3，如果是灰度图，channel=1；

修改classes，就是背景+你的数据集里有几个类别；比如我给的那个数据集有汽车和背景两个类，那么classes=2；

c. 其他参数可以自行进行修改

4. 开始训练，训练顺利的话应该是这样：

训练完成，wandb可视化结果：

可以看出来最后dice系数在0.95左右，loss在0.2左右。

5. 训练完成，模型会保存在checkpoints路径下：

我们找到predict.py文件，修改参数：

然后找一张测试照片放在当前路径下，

# -i 是指定预测的照片 其他参数可以自己看get_args部分python predict.py -i 7.jpg --viz -v

预测结果大概就是这样：

输入：

输出：

完结撒花~

训练过程常见问题整理：

1.block: [0,0,0], thread: [828,0,0] Assertion `t >= 0 && t < n_classes` failed. 如图

多半是classes设置错了

2. f"Either no mask or multiple masks found for the ID {name}: {mask_file}"，如图

多半是数据集出错了，

自查方法:

a.看路径出没出错

b.看后缀是不是对，可以看一下utils/date_lodading文件，

还有一定要注意，这里自定义了后缀是 "_mask"，也就是说你的掩码和原图一个应该是1.jpg，另外一个就是1_mask.jpg

c.看一下数据集路径下有没有其他文件，这个代码的data_load方法很粗暴，不能有其他文件或者文件夹

3. OSError: [WinError 1455] 页面文件太小，无法完成操作

这个直接说解决方法，在train.py文件里修改

num_worker为2，如果还是不行，改成0

4.dice系数一直都小，或者不变，那么有可能是学习率设置太小了，改成0.0001试试，

其他可能原因可以看一下原作者的解答：

Dice coefficient no change during training,is always very close to 0 · Issue #173 · milesial/Pytorch-UNet · GitHub

over

有问题可以评论区补充。

超融合服务器专线服务问题汇总号码隐私保护常见问题汇总云服务器问题及解决方法 Linux常见故障及解决方案

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/123474.html

图像翻译——pix2pix模型

摘要：但图像翻译的意思是图像与图像之间以不同形式的转换。判别网络用损失函数和重建的图像很模糊，也就是说和并不能很好的恢复图像的高频部分图像中的边缘等，但能较好地恢复图像的低频部分图像中的色块。高频分量主要是对图像边缘和轮廓的度量。 1.介绍图像处理、计算机图形学和计算机视觉中的许多问题都可以被视为将输入图像翻译成相应的输出图像。翻译常用于语言之间的翻译，比如中文和英文的之间的翻译。但图像...

Lowky 2019-07-31 10:34 评论0 收藏0
图像翻译——pix2pix模型

摘要：但图像翻译的意思是图像与图像之间以不同形式的转换。判别网络用损失函数和重建的图像很模糊，也就是说和并不能很好的恢复图像的高频部分图像中的边缘等，但能较好地恢复图像的低频部分图像中的色块。高频分量主要是对图像边缘和轮廓的度量。 1.介绍图像处理、计算机图形学和计算机视觉中的许多问题都可以被视为将输入图像翻译成相应的输出图像。翻译常用于语言之间的翻译，比如中文和英文的之间的翻译。但图像...

smartlion 2019-06-26 19:02 评论0 收藏0
图像翻译——pix2pix模型

摘要：但图像翻译的意思是图像与图像之间以不同形式的转换。判别网络用损失函数和重建的图像很模糊，也就是说和并不能很好的恢复图像的高频部分图像中的边缘等，但能较好地恢复图像的低频部分图像中的色块。高频分量主要是对图像边缘和轮廓的度量。 1.介绍图像处理、计算机图形学和计算机视觉中的许多问题都可以被视为将输入图像翻译成相应的输出图像。翻译常用于语言之间的翻译，比如中文和英文的之间的翻译。但图像...

mmy123456 2019-06-26 16:31 评论0 收藏0
OCR如何读取皱巴巴的文件？深度学习在文档图像形变矫正的应用详解

摘要：随着深度学习的兴起，有学者提出用深度学习相关算法对扭曲文档图像进行矫正。考虑到实际业务的复杂性，传统方法无法胜任，因此本文结合深度学习语义分割领域的相关知识，针对现有方法的不足提出优化方案，实现扭曲文档的矫正。一、背景随着集团业务的高速发展以及集团对用户群体信用要求的提高，证件审核成为业务中必不可少的一个环节。譬如：支付宝需要对用户的身份证信息进行审核，1688需要对卖家的营业执照...

hzx 2019-06-26 19:51 评论0 收藏0
OCR如何读取皱巴巴的文件？深度学习在文档图像形变矫正的应用详解

摘要：随着深度学习的兴起，有学者提出用深度学习相关算法对扭曲文档图像进行矫正。考虑到实际业务的复杂性，传统方法无法胜任，因此本文结合深度学习语义分割领域的相关知识，针对现有方法的不足提出优化方案，实现扭曲文档的矫正。一、背景随着集团业务的高速发展以及集团对用户群体信用要求的提高，证件审核成为业务中必不可少的一个环节。譬如：支付宝需要对用户的身份证信息进行审核，1688需要对卖家的营业执照...

heartFollower 2019-06-26 19:51 评论0 收藏0