Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行

成功运行后把我的12468个原图+标签
分辨率512*512大小的图片
在这里插入图片描述
放进去开始训练
在这里调整了
ATCHSIZE_PER_CARD = 16
total_epoch = 500

现在是2022.6.9 15:27:40
看看能够多久运行成功
现在是2022.6.9 20:37:50 现在是运行了epoch:78
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第1张图片
慢慢等待一下结果


结果
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第2张图片
运行到了epoch=98结束
在这里插入图片描述


再把训练的原图作为需要预测的
看看训练结果如何
直接跑会报错
在这里插入图片描述
这是由于我的预测图片的大小是6060
也需要经过裁剪成512*512
这样就可以成功运行啦

预测完成后觉得效果不错
进行原样本的预测后的miou计算
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第3张图片
突然发现miou的计算也很慢。。。

这是预测结果
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第4张图片
道路还是差点


同时进行一下河流样本的训练!
使用该网络进行河流的训练
由于之前河流样本体量大
但是我在裁剪的时候没注意到它不是2的倍数
所以现在需要重新做
在这里插入图片描述
现在正确了
应该是之前我在删除全黑样本的时候出现了一些问题

Dinknet只能使用后缀为png的标签,后缀为tif的原图进行训练

一共23006张图片
训练开始时间为 2022.6.10
18:16:45


2022.6.12
11:38:30已经训练完毕
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第5张图片
然后对训练的1500个样本进行预测
预测结果如下
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行_第6张图片

你可能感兴趣的:(Linux,深度学习,windows,深度学习,Dinknet)