复现DeepLabV3+和训练自己的数据集（Linux环境下）

1. 所需代码和参考文章：

       代码链接：https://github.com/jfzhang95/pytorch-deeplab-xception 

      参考文章： Linux下Pytorch版deeplabv3+环境配置训练自己的数据集_ToLiveXX的博客-CSDN博客_deeplabv3+训练自己的数据集pytorchhttps://blog.csdn.net/qq_36766560/article/details/110009622 2.复现代码所遇问题总结：

     2.1 数据集目录格式（没有VOC2012数据的json标签，我自己的数据集只有原图和分割mask）

 详细的数据集中的图片格式参考文章：（更详细的可以去找网上很多）(3条消息) 制作自己的语义分割数据集（仿voc2012数据集）_丹啊丹的博客-CSDN博客_语义分割数据集

 2.2 根据自己数据集修改（我的数据集是分割二分类的数据集，具体修改看参考文章，不多赘述）

2.3 所遇问题一：

ValueError: Expected more than 1 value per channel when training, got input size torch.Size([1, 256, 1, 1])

 解决方案： 模型中用了batchnomolization，训练中用batch训练的时候，应该是有单数，比如dataset的总样本数为17,你的batch_size为8,就会报这样的错误。或者调整你的batch-size数目，使总的dataset数目能够整除batcnsize数目。

2.4 所遇问题二：

RuntimeError: CUDA error: device-side assert triggered

解决方案：在写自己的数据集.py文件中，把自己的num_classes改为256（这个问题我一直不知道为什么，希望有大佬解答）。

2.5 所遇问题三：

cuDNN error:CUDNN_STATUS_NOT_INITIALIZED

 由问题二我之前一直以为是类别设置问题，但是我所做的就是二分类，将类别设置为256虽然代码能训练，但是在理论上思想是错的，在别的博主那到的回答是查看自己标签的像素，运行参考文章的数据集格式，标签图片需要8为灰度图，PIL里的类别是L；可以自己重新处理一下标签图片的像素，背景像素为0，目标像素为1；具体怎么修改图片像素：PIL Image里面有getpixel 和putpixel