关于博客“基于SegNet和U-Net的遥感图像语义分割”配置过程中出现的问题及解决方法

在利用深度学习，对遥感图像中的景物进行语义分割时，使用https://github.com/AstarLight/Satellite-Segmentation的代码，实验环境为Window 10,使用Anaconda集成环境，利用Spyder编译器进行程序的编译，在配置的过程中，出现了如下的问题：

1. 支持库的安装

使用Python 3.6，在程序运行时，会发现缺少相关支持库，主要缺少cv2，matplotlib以及Keras的安装，通过Anaconda的集成环境，可以很方便的进行相关支持库的安装，安装方式如下所示：

在输入框中输入想要进行安装的支持库，点击apply进行相关支持库的安装。

1. GPU的配置

由于在进行程序编译的过程中需要利用GPU，因此需要在程序中配置如下语句：

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

1. 输入参数的调整

此时对于多数使用者来说，将会出现如下的问题

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 2 from 1 for 'max_pooling2d_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,128,128].

出现该问题的原因主要是因为在图片读入时，输入参数错误所导致的，因为keras调用的后端深度学习框架一般都是Tensorflow后者Theano，对于两种不同的深度学习框架来说，输入参数的格式不尽相同，对于Tensorflow来说，输入参数格式为：（batch_size,w,h,channal），对于Theano来说，输入参数格式为：（batch_size,channal,w,h），因此需要进行参数格式的对应。

解决方法1：

model.add(Conv2D(64,(3,3),strides=(1,1),input_shape=(3,img_w,img_h),padding='same',activation='relu'))  

更改input_shape的输入方式为（img_w,img_h,3），此时程序也许会成功运行。

解决方法2：

找到C盘下.keras文件夹下的keras.json文件，对该文件下的"image_data_format": 字段更改为："channels_first"，此时，程序可以成功运行。

1. Batch_size大小的更改

在程序的运行过程中，也许会出现显存大小不够的问题，如下类型所示：

Resource exhausted: OOM when allocating tensor with shape[10000,32,28,28]

此时，需要对程序中的Batch_size进行更改，将原始的16更改为8或者其他可以运行的大小，此时程序便可以成功运行。成功运行结果如下所示：