[PVT]运行记录

仅作为记录，大佬请跳过。

Pyramid Vision Transformer

github位置

（根据这个视频发现的PVT方法）

---

调试做法

完全按照github中README.md里的做法即可：

1、博主在原有的root环境（未建立虚拟环境），仅将github中的classification放在PVT的根目录[PVT项目包括分类、识别和分割，这里只使用分类]

2、在classification目录，新建imagenet文件夹；

3、然后使用软连接ln -s，将服务器上的分类数据（按这个github项目的数据结构组成的），软连接到imagenet文件夹；

所要求的数据结构：

博主软连接代码：

ln -s /Data4T/unet/train /Data4T/unet/PVT/classification/imagenet

ln -s /Data4T/unet/val /Data4T/unet/PVT/classification/imagenet

软连接后：

4、发现木有timm包，直接在任何路径下pip

pip install timm==0.3.2

5、然后使用命令：

bash dist_train.sh configs/pvt/pvt_small.py 1 --data-path /Data4T/hufei/unet/PVT/classification/imagenet

即可运行。

注： 是bash

---

然后发现总是CUDA out of memory，（要么是CUDA已经占用了，要么是程序里的batch_size设置过大）

经过查看（运行命令中提到的pvt_small.py和dist_train.sh），发现主要的代码是在main.py里面，更改para里面的batch_size，将128改成32，即可运行。

展示：

关于测试自己的数据

不仅仅是上述-将文件夹里换上图像数据：

而且要更改程序中，寻train_dataset、test_dataset位置：

首先在main.py文件夹里（通过查看dist_train.sh，得知main.py是主程序）

---

在main.py文件里，

找到train_data和test_data的引用，是build_dataset函数；然后在main.py的import中，找到是datasets.py里面

---

在datasets.py，发现训练测试数据的路径位置

将main.py的paser部分中的–data-set设置成IMNET，即可使用自定义数据集

---