网站优化的前景,工厂弄个网站做外贸如何处理,深圳市网站制作,服务app开发的公司比如说我们要用这个网络#xff1a; 我们发现他内部继承了很多类#xff0c;要想配对我们的数据集#xff0c;就要进行父类的修改。 ../_base_/models/deeplabv3_unet_s5-d16.py, ../_base_/datasets/drive.py,../_base_/default_runtime.py, ../_base_/schedules/schedule…比如说我们要用这个网络 我们发现他内部继承了很多类要想配对我们的数据集就要进行父类的修改。 ../_base_/models/deeplabv3_unet_s5-d16.py, ../_base_/datasets/drive.py,../_base_/default_runtime.py, ../_base_/schedules/schedule_40k.py第一个不需要动剩下的逐个调就行了首先他是drive数据集的咱们为了省事直接对drive数据集进行修改。
进入mmsegmentation-main/configs/base/datasets/drive.py
# 数据集路径
dataset_type ZihaoDataset # 数据集类名
# dataset_type DRIVEDataset
data_root max-rice/ # 数据集路径相对于mmsegmentation主目录# 输入模型的图像裁剪尺寸一般是 128 的倍数越小显存开销越少
crop_size (512, 512)# 训练预处理
train_pipeline [dict(typeLoadImageFromFile),dict(typeLoadAnnotations),dict(typeRandomResize,scale(2048, 1024),ratio_range(0.5, 2.0),keep_ratioTrue),dict(typeRandomCrop, crop_sizecrop_size, cat_max_ratio0.75),dict(typeRandomFlip, prob0.5),dict(typePhotoMetricDistortion),dict(typePackSegInputs)
]# 测试预处理
test_pipeline [dict(typeLoadImageFromFile),dict(typeResize, scale(2048, 1024), keep_ratioTrue),dict(typeLoadAnnotations),dict(typePackSegInputs)
]# TTA后处理
img_ratios [0.5, 0.75, 1.0, 1.25, 1.5, 1.75]
tta_pipeline [dict(typeLoadImageFromFile, file_client_argsdict(backenddisk)),dict(typeTestTimeAug,transforms[[dict(typeResize, scale_factorr, keep_ratioTrue)for r in img_ratios],[dict(typeRandomFlip, prob0., directionhorizontal),dict(typeRandomFlip, prob1., directionhorizontal)], [dict(typeLoadAnnotations)], [dict(typePackSegInputs)]])
]# 训练 Dataloader
train_dataloader dict(batch_size2,num_workers2,persistent_workersTrue,samplerdict(typeInfiniteSampler, shuffleTrue),datasetdict(typedataset_type,data_rootdata_root,data_prefixdict(img_pathimg_dir/train, seg_map_pathann_dir/train),pipelinetrain_pipeline))# 验证 Dataloader
val_dataloader dict(batch_size1,num_workers4,persistent_workersTrue,samplerdict(typeDefaultSampler, shuffleFalse),datasetdict(typedataset_type,data_rootdata_root,data_prefixdict(img_pathimg_dir/val, seg_map_pathann_dir/val),pipelinetest_pipeline))# 测试 Dataloader
test_dataloader val_dataloader# 验证 Evaluator
val_evaluator dict(typeIoUMetric, iou_metrics[mIoU, mDice, mFscore])# 测试 Evaluator
test_evaluator val_evaluator进入mmsegmentation-main/configs/base/default_runtime.py 这个也不需要改什么东西过
进入H:\mmsegmentation-main\mmsegmentation-main\configs_base_\default_runtime.py 这里就是调节一些训练参数总共多少轮次什么的max—iter就是200轮次 然后train里把路径粘贴进去即可
