语义实例分割1-02：snake(实时实例分割))-官方数据训练测试，环境搭建等

以下链接是个人关于 voxelpose(多视角3D人体姿态估算) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：17575010159 相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。$文末附带$$公众号-$$海量资源。$

语义实例分割1-00：snake(实时实例分割)-目录-史上最新无死角讲解

$注意，本人编写该博客的时间为2021/01/06，也就是说，你现在下载的作者代码或许和$
$本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统$
$即下面的报错使用ubuntu18.04报错的过程，以及解决办法$

anconda环境搭建

$请严格搭建cuda10.0，pytorch\mathrm{1.1.0}的环境,或者配置作者的环境-cuda9.0$，在搭建环境之前，请按上一篇博客下载好，并且摆放好数据。

# snake-root表示从github下载项目的根目录
cd ${snake-root}
conda create -n 11.snake-pytorch1.1-py3.6  -y python=3.6
conda activate 11.snake-pytorch1.1-py3.6
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch
cd snake-root
pip install Cython==0.28.2 termcolor pillow==6.0.0
pip install -r requirements.txt
git clone https://github.com/NVIDIA/apex.git
cd apex
git checkout 39e153a3159724432257a8fc118807b359f4d1c8
export CUDA_HOME="/usr/local/cuda-10.0"
python setup.py install --cuda_ext --cpp_ext

cd snake-root/lib/csrc
cd dcn_v2
python setup.py build_ext --inplace
cd ../extreme_utils
python setup.py build_ext --inplace
cd ../roi_align_layer
python setup.py build_ext --inplace

然后按照上一篇博客的介绍摆放好数据之后，创建软链接如下:

# snake-root表示从github下载项目的根目录
cd ${snake-root}
ln -s /my_tmp/zwh/3.snake/Datasets/cityscapes cityscapes

 

模型测试

根据README.md，可以看到如下:

所以我们执行如下指令:

# snake-root表示从github下载项目的根目录
cd ${snake-root}
# use coco evaluator
python run.py --type evaluate --cfg_file configs/city_rcnn_snake.yaml

报错一

  File "/my_tmp/zwh/3.snake/1.snake-master/lib/networks/dcn_v2.py", line 31, in forward
    ctx.deformable_groups)
RuntimeError: cublas runtime error : the GPU program failed to execute at /pytorch/aten/src/THC/THCBlas.cu:425

这里主要是GPU的显存不够，本人修改 configs/city_rcnn_snake.yaml 文件如下（被注释的部分为源码）:

#gpus: (0, 1, 2, 3)
gpus: (0,)

把多GPU改成单GPU运行。再重新运行指令，本人打印显示如下:

或者执行指令：

python run.py --type evaluate --cfg_file configs/city_rcnn_snake.yaml test.dataset CityscapesVal

本人打印如下：

不要问我这个为什么就长得好看一点，暂时我也不是很清楚，后续等分析了代码，再为大家讲解。

 

结果可视化（Visualization）

执行指令：

# snake-root表示从github下载项目的根目录
cd ${snake-root}
# Visualize Cityscapes test set
python run.py --type visualize --cfg_file configs/city_rcnn_snake.yaml test.dataset CityscapesTest ct_score 0.3
# Visualize Cityscapes val set
python run.py --type visualize --cfg_file configs/city_rcnn_snake.yaml test.dataset CityscapesVal ct_score 0.3

本人结果分别显示如下:

 

demo测试(单张或者多张图像)

执行指令：

# 当张图片测试
python run.py --type demo --cfg_file configs/sbd_snake.yaml demo_path demo_images ct_score 0.3
# 多张图片测试
python run.py --type demo --cfg_file configs/sbd_snake.yaml demo_path demo_images/2009_000871.jpg ct_score 0.3

本人显示结果如下：

模型训练(基于Cityscapes数据集)

根据官方的介绍:

本人运行指令如下:

# 1.Train the detector， 训练检测器
python train_net.py --cfg_file configs/city_ct_rcnn.yaml model rcnn_det
# 2.Train the detector and snake together,检测器以及snake共同训练
python train_net.py --cfg_file configs/city_rcnn_snake.yaml model rcnn_snake det_model rcnn_det

报错一

RuntimeError: CUDA out of memory. Tried to allocate 704.00 MiB (GPU 0; 10.76 GiB total capacity; 9.48 GiB already
 allocated; 203.50 MiB free; 314.85 MiB cached) (malloc at /opt/conda/conda-bld/pytorch_1556653114079/work/c10/cuda/CUDACachingAllocator.cpp:267)

这个依旧是显存不足得问题，这里主要是GPU的显存不够，本人修改 configs/city_ct_rcnn.yaml 以及 city_rcnn_snake.yaml 文件如下（被注释的部分为源码）:

#gpus: (0, 1, 2, 3)
gpus: (0,)

#   batch_size: 32
    batch_size: 4

重新运行指令打印如下显示:

 

Tensorboard(查看训练曲线图)

根据README.md，可以看到如下:

所以我们运行如下指令：

# for the rcnn_snake task
tensorboard    --logdir data/record/rcnn_snake
# for the snake task
tensorboard  --logdir data/record/snake

根据打印提示的网址，进入则能看到类似如下界面：

结语

这样，我们就完成模型的训练以及测试，接下来我会为大家对论文进行翻译-使用大白话，请各位大佬给我一个赞。