windows10使用cuda11搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行问题解决

运行程序

去github上下载Dlinknet的代码
https://github.com/zlckanata/DeepGlobe-Road-Extraction-Challenge

把数据集放进dataset/train里面
注意数据命名以及格式

直接使用anaconda的powershell运行程序

python train.py

出现错误

RuntimeError: An attempt has been made to start a new process before the…

参考这篇博文
我采用了
去掉num_workers参数解决

下一个问题接踵而至

RuntimeError: CUDA out of memory

貌似都是pytorch经常出现的问题
解决方式没有一个好的方法，最后我参考这篇文章
减小batch_size，修改代码来解决
这个解决方法
貌似挺好的，这里码一下，下次试试

果然不能一帆风顺

UserWarning: nn.functional.sigmoid is deprecated. Use torch.sigmoid instead.

warnings.warn(“nn.functional.sigmoid is deprecated. Use torch.sigmoid instead.”)
还能怎么办，F:\anaconda3\lib\site-packages\torch\nn\functional.py:1639: UserWarning: nn.functional.sigmoid is deprecated. Use torch.sigmoid instead.
warnings.warn(“nn.functional.sigmoid is deprecated. Use torch.sigmoid instead.”)
那就改吧
只有networks文件夹里的dlinknet含有nn.functional.sigmoid，全部修改即可
改完，再次运行

编译器

推荐使用vscode，下载pycharm还需要破解，否则只有30天试用
与anaconda结合起来，参考配置环境

RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling cublasCreate(handle)

我发现这两个报错简直是两条死路，貌似都只能改batchsize，这个是太小

最后我把train数据集删去了一半，就能够跑通了，但是出现了下面的错误

这里是说找不到该文件夹和th文件，只要新建一个空的就行，就可以跑起来啦

现在我跑的时间是2022年1月11日17：28
数据集是1480个样本

看看多久能跑完测试数据
现在是真害怕有人半夜拔我网线了hhh
待更新。。。

---

2022年1月12日11：33：50
目前的进度是跑到了121

查看代码应该是要跑到epoch=300

目测应该还要跑一整天，这里码一下师姐给我的建议~分享给大家，感谢亲爱的师姐

我：师姐，怎样训练效果最好呢
师姐：
图片越大越多越好
也看你最后要提取哪里的道路
训练的数据和测试的数据要特征要相似
现在用的数据集是东南亚地区的乡村数据，如果你后期提取城市的道路效果就不会很好，如果提取乡村道路应该会效果好一点

先把代码跑通试试效果，之后再进行下一步实验
待更新。。。

---

现在是2022年1月12日13：18：00
由于出现break语句所以输出了结果

现在来试试predict
运行
python test.py

Error(s) in loading state_dict for DataParallel:

    size mismatch for module.finaldeconv1.weight: copying a param with shape torch.Size([64, 32, 3, 3]) from checkpoint, the shape in current model is torch.Size([64, 32, 4, 4]).
    size mismatch for module.finalconv3.weight: copying a param with shape torch.Size([1, 32, 2, 2]) from checkpoint, the shape in current model is torch.Size([1, 32, 3, 3]).

尝试了第一种解决方法，失败了
1、model.load_state_dict(torch.load(“model.th”),strict=False)
没效果，还是相同的错

查看了一些博客试了这个方法虽然能成功运行，但结果惨不忍睹

 model = torch.load(path)        
 model.pop('module.finaldeconv1.weight')        
 model.pop('module.finalconv3.weight')        
 self.net.load_state_dict(model,strict=False)

这是我调试的方法，输出的结果全是黑色图片

最后发现是train的模型和predict模型选择错误才出现了问题
原代码出现了一点问题
需要把下图的dink改成link



这两个模型需要保持一致
若不一样就会出现网络层数的问题

这样一改结果就出来了

重新进行DinkNet34的训练，这次选取最多的样本，并且还是1024的大小
有了上面的思路，这次重新运行就很快了
总结：
代码部分需要修改的就是
根据需要修改

我决定重启电脑重新训练，重新记录训练时间，大家下一篇博文再见！