训练VainF/DeepLabV3Plus-Pytorch

conda activate pytorch
cd /DeepLabV3plus-Pytorch-master

#先打开visdom (指定端口号，和运行指令里的端口号一致)
python -m visdom.server -p 28333

#进行训练
python main.py --model deeplabv3plus_mobilenet --dataset cityscapes --enable_vis --vis_port 28333 --gpu_id 1  --lr 0.1  --crop_size 512 --batch_size 8 --output_stride 16 --data_root ./datasets/data/cityscapes 

#预测指定文件夹的图像并将彩色图结果保存在指定文件夹中
python predict.py --input /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes/leftImg8bit/val --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/result2

#对这500张验证集合进行验证，将图片保存在指定文件夹，并在终端显示结果
python main.py --model deeplabv3plus_mobilenet --dataset cityscapes --gpu_id 1 --lr 0.1 --crop_size 768 --batch_size 4 --output_stride 16 --data_root ./datasets/data/cityscapes --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --test_only --save_val_results

#验证结果如下：

---

---

继续使用，查看各个miou

#命令行运行pre_dan.py，将val集预测成单通道的图像，该代码顺便命名格式修改一致了。

python pre_dan.py --input /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/cityscapes/leftImg8bit/val --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to /home/siasun16/liyangnet2/DeepLabV3Plus-Pytorch-master/datasets/data/result3000

#直接运行writeval.py，将预测集写进一个val.txt
#直接运行get_miou.py，出结果