PaddleSeg飞浆图像分割环境安装

PaddleSeg飞浆图像分割环境安装

---

Paddle是百度推出的人工智能实现环境，支持多种深度学习网络，其安装与使用均与Pytorch类似。
PaddleSeg是搭建在Paddle上的区域分割网络，支持多种主流的区域分割算法。
本项目的安装环境为:

• CUDA == 10.1
• cuDNN== 8.0
• Paddle == 2.3
• Python == 3.8

CUDA 与cuDNN的安装请自行百度，建议在linux上使用，安装过程比windows方便。

官方安装地址：
https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html
!其他版本的CUDA!参看官网安装相应版本（点击图片跳转）

---

PaddleSeg(图像分割)环境详细安装步骤

1.安装PaddlePaddle飞浆运行环境

python -m pip install paddlepaddle-gpu==2.2.2.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

使用如下命令验证PaddlePaddle是否安装成功，并且查看版本。

# 在Python解释器中顺利执行如下命令
>>> import paddle
>>> paddle.utils.run_check()

# 如果命令行出现以下提示，说明PaddlePaddle安装成功
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.

---

2. 下载PaddleSeg代码并安装PaddleSeg相关依赖

新建文件夹并使用git clone 克隆项目代码

git clone https://github.com/PaddlePaddle/PaddleSeg

进入到克隆项目的目录下，找到requirements.txt文件

在同级目录下使用pip一键安装依赖

pip install -r requirements.txt

安装完成后，检查终端是否输出错误，没有错误输出则表示安装成功。

---

3.执行分割任务

环境与依赖安装完毕后就可以运行相关的检测与训练了，这里先使用检测演示，训练后一章节在做示范。

首先准备好需要使用的模型文件与模型描述文件：
<注：模型文件一定是由模型描述文件训练生成的，训练部分在后续文章会详细介绍>

本次使用的模型文件为model.pdparms，模型描述文件为segformer_b3.yml
准备需要识别的图像(也可以为文件夹，为文件夹时对文件夹内所有图片进行识别)
进入到PaddleSeg目录，找到predict.py
在同级文件夹下使用如下命令

python predict.py \
       --config ****/segformer_b3.yml \
       --model_path ****/model.pdparams \
       --image_path dataset/ \
       --save_dir output

--config 填写模型描述文件所在地址
--model_path 填写模型文件所在地址
--image_path 填写需要识别的文件地址
--save_dir 填写输出文件夹地址

执行完成后，查看是否有无报错，如下图所示：

查看输出文件夹下的输出内容

两个文件夹分别为叠加输出与仅预测输出
查看叠加输出(added_prediction)下的文件：