UPDATE：如果想對自己滴資料進行訓練，參見這一篇《（超詳細很完整）tensorflow下利用deeplabv3+對自己的資料進行訓練》，不過得先完成本文滴配置~

最近在做語義分割，于是實作

deeplabv3+

我的環境：

ubuntu 16.04
anaconda3
tensorflow-gpu 1.11.0

文章目錄

clone models檔案
測試model_test.py
Cityscapes Dataset準備
生成資料集的tfrecord
訓練模型
驗證模型效果
檢視分割結果
==**DONE ;)**==

clone models檔案

首先clone官方提供的

tensorflow/models

檔案。

git clone https://github.com/tensorflow/models.git

如果嫌棄下載下傳慢，可以參看我的另外一篇blog，介紹了如何實作下載下傳速度質的飛躍。

對于這裡選擇clone不同branch可能會導緻的問題，參見Issue #6567。問題焦點在于

master

branch可能會出現

Eval.py

不出結果，切換

r1.12.0

branch可能有用。

測試model_test.py

測試一下環境配置是否成功。

添加依賴庫到PYTHONPATH，在目錄

/home/user/models/research/

下：

# From /home/user/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
source ~/.bashrc

調用

model_test.py

測試：

# From /home/user/models/research/
python deeplab/model_test.py

Cityscapes Dataset準備

實作過程使用

Cityscapes Dataset

作為資料集。

從www.cityscapes-dataset.com上下載下傳

Cityscapes Dataset

——資料集

leftImg8bit_trainvaltest.zip (11GB)

和對應的标注集

gtFine_trainvaltest.zip (241MB)

。下載下傳完成後解壓到目錄

/home/user/data/cityscapesScripts/

（路徑可自己選擇）。

之後在

/home/user/data/cityscapesScripts/

下clone

Cityscapes Dataset

的腳本代碼：

git clone https://github.com/mcordts/cityscapesScripts.git

完成clone之後的目錄結構：

/home/user/data/cityscapesScripts

cityscapesScripts

leftImg8bit

gtFine

tfrecord

将clone的腳本代碼裡面的

createTrainIdLabelImgs.py

複制一份到目錄

/home/user/data/cityscapesScripts/

下，修改以下代碼為自己的路徑：

生成資料集的tfrecord

将資料集轉換成tensorflow訓練需要的

tfrecord

格式。

在目錄

models/research/deeplab/datasets

中，修改

convert_cityscapes.sh

檔案：

CITYSCAPES_ROOT="/home/user/data/cityscapesScripts"
...
python "${CITYSCAPES_ROOT}/createTrainIdLabelImgs.py"

之後運作

convert_cityscapes.sh

檔案，生成

tfrecord

：

sh convert_cityscapes.sh

生成的

tfrecord

在目錄

/home/user/data/cityscapesScripts/tfrecord

下：

（超詳細很完整）tensorflow上實作deeplabv3+clone models檔案測試model_test.pyCityscapes Dataset準備生成資料集的tfrecord訓練模型驗證模型效果檢視分割結果DONE ?

訓練模型

首先下載下傳預訓練權重

xception_cityscapes_trainfine

：http://download.tensorflow.org/models/deeplabv3_cityscapes_train_2018_02_06.tar.gz （更多預訓練權重請參見 https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md ）

在目錄

models/research/deeplab//backbone/deeplabv3_cityscapes_train

下解壓預訓練權重。

然後編輯訓練指令：

python deeplab/train.py \
    --logtostderr \
    --training_number_of_steps=1000 \
    --train_split="train" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --train_crop_size=513 \
    --train_crop_size=513 \
    --train_batch_size=2 \
    --dataset="cityscapes" \
    --tf_initial_checkpoint='/home/user/models/research/deeplab/backbone/deeplabv3_cityscapes_train/model.ckpt' \
    --train_logdir='/home/user/models/research/deeplab/exp/train_on_train_set/train' \
    --dataset_dir='/home/user/data/cityscapesScripts/tfrecord'

在目錄

/home/user/models/research

下運作以上指令。

note：在這一步有小夥伴 @methy010 提出

“list index out of range”

的報錯解決方案：

關于“list index out of range”的問題及解答：在python deeplab/train.py 下面參數設定中，train_crop_size 那一句應改為：–train_crop_size=“769,769”, 或者按部落客的寫法應改為–train_crop_size[0]=513, --train_crop_size[1]=513, 就不會出現list index out of range的問題了。第一種是按照github上README改的，親測有效，第二種我沒有自己run，隻是推測部落客漏寫了[0][1]. 我是按照部落客的教程一步步運作，發現問題并解決了的，在此提出希望可以幫助到别人。最後感謝部落客這篇超詳細的教程～比心

我當時的版本是沒有這個問題的，是以可能就是我這篇文章開頭說的不同 branch 的影響，後面的小夥伴如果因為各種因素而出現這個問題，可以參照這種解決方案嘗試一下~

Finished training：

INFO:tensorflow:global step 970: loss = 0.4412 (0.504 sec/step)
INFO:tensorflow:global step 980: loss = 0.4016 (0.464 sec/step)
INFO:tensorflow:global step 990: loss = 0.6123 (0.520 sec/step)
INFO:tensorflow:global step 1000: loss = 0.3552 (0.492 sec/step)
INFO:tensorflow:Stopping Training.
INFO:tensorflow:Finished training! Saving model to disk.

驗證模型效果

編輯驗證指令：

python deeplab/eval.py \
    --logtostderr \
    --eval_split="val" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --eval_crop_size=1025 \
    --eval_crop_size=2049 \
    --dataset="cityscapes" \
    --checkpoint_dir='/home/user/models/research/deeplab/exp/train_on_train_set/train' \
    --eval_logdir='/home/user/models/research/deeplab/exp/train_on_train_set/eval' \
    --dataset_dir='/home/user/data/cityscapesScripts/tfrecord'

在目錄

/home/user/models/research

下運作以上指令。

Finished evaluation：

INFO:tensorflow:Starting evaluation at 1995-04-01-08:49:56
INFO:tensorflow:Evaluation [50/500]
INFO:tensorflow:Evaluation [100/500]
INFO:tensorflow:Evaluation [150/500]
INFO:tensorflow:Evaluation [200/500]
INFO:tensorflow:Evaluation [250/500]
INFO:tensorflow:Evaluation [300/500]
INFO:tensorflow:Evaluation [350/500]
INFO:tensorflow:Evaluation [400/500]
INFO:tensorflow:Evaluation [450/500]
INFO:tensorflow:Evaluation [500/500]
INFO:tensorflow:Finished evaluation at 2019-04-01-08:52:12
miou_1.0[0.725369751]

如果之後顯示

INFO:tensorflow:Waiting for new checkpoint at /home/user/models/research/deeplab/exp/train_on_train_set/train

則直接跳出不用理睬。

檢視分割結果

編輯可視化指令：

python deeplab/vis.py \
    --logtostderr \
    --vis_split="val" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --vis_crop_size=1025 \
    --vis_crop_size=2049 \
    --dataset="cityscapes" \
    --colormap_type="cityscapes" \
    --checkpoint_dir='/home/user/models/research/deeplab/exp/train_on_train_set/train' \
    --vis_logdir='/home/user/models/research/deeplab/exp/train_on_train_set/vis' \
    --dataset_dir='/home/user/data/cityscapesScripts/tfrecord'

在目錄

/home/user/models/research

下運作以上指令。

開始可視化：

INFO:tensorflow:Restoring parameters from /home/user/models/research/deeplab/exp/train_on_train_set/train/model.ckpt-1000
INFO:tensorflow:Visualizing batch 1 / 500
INFO:tensorflow:Visualizing batch 2 / 500
INFO:tensorflow:Visualizing batch 3 / 500
INFO:tensorflow:Visualizing batch 4 / 500
...

輸出的對比結果：

（超詳細很完整）tensorflow上實作deeplabv3+clone models檔案測試model_test.pyCityscapes Dataset準備生成資料集的tfrecord訓練模型驗證模型效果檢視分割結果DONE ?

（超詳細很完整）tensorflow上實作deeplabv3+clone models檔案測試model_test.pyCityscapes Dataset準備生成資料集的tfrecord訓練模型驗證模型效果檢視分割結果DONE ?

文章目錄

clone models檔案

測試model_test.py

Cityscapes Dataset準備

生成資料集的tfrecord

訓練模型

驗證模型效果

檢視分割結果

DONE ?

繼續閱讀

anaconda下鏡像快速安裝tensorflow和keras

anaconda中科大鏡像

安裝tensorflow1.12出現illegal hardware instruction python錯誤1、問題2、定位問題3、問題解決4、驗證

Linux下Anaconda安裝tensorflow-gpu

tensorflow筆記實踐：正則化優化過拟合

TensorFlow運作模型——會話

【Ubuntu-Tensorflow】TF1.0到TF1.2出現“Key LSTM/basic_lstm_cell/bias not found in checkpoin”問題

linux下的conda安裝tensorflow

Linux環境下 TensorFlow的安裝和使用基于Anaconda的tensorflow安裝

MindSpore儲存模型的格式疑惑

【Tensorflow】Tensorflow介紹

鸢尾花分類

利用tensorflow建構AlexNet模型，實作小數量級的貓狗分類（隻有train）

ImportError: libcublas.so.10.0: cannot open shared object file: No such file解決方法

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory（完美解決）

一種解決思路： ImportError: libcublas.so.10.0: cannot open shared object file: No such file