复现U-net所遇问题总结分析

1.参考代码：GitHub - milesial/Pytorch-UNet: PyTorch implementation of the U-Net for image semantic segmentation with high quality images

2.参考文章：(30条消息) U-net复现pytorch版本 以及制作自己的数据集并训练_奶盖芒果的博客-CSDN博客_u-net数据集 

3.复现代码所遇问题：

• 1    

  ither no mask or multiple masks found for the ID{idx}:{mask_file}'
  AssertionError:Either no mask or multiple masks found for the ID.

  解决办法：data_loading中的CarvanaDataset类下的改为mask_suffix='', 附上修改后的代码：

1. class CarvanaDataset(BasicDataset):
       def __init__(self, images_dir, masks_dir, scale=1):
           super().__init__(images_dir, masks_dir, scale, mask_suffix=''

     2.RuntimeError: CUDA error: device-side assert triggered..cu:95: block: [0,0,0], thread: [481,0,0] Assertion `t >= 0 && t < n_classes` failed.

      解决方法：网上解决办法说是将分类类别设置为：256 （因为有的二分类图像标签只是0和255所以分类数目设置为256，有的二分类图像为0和1，分类数目设置为2），如果你的数据集标签是以上情况，那么这种做法是正确的。但是！！！，如果你的mask标签是含有0和255，例如打印下你的mask像素值（numpy.uniq()函数)，是[0,45,78,122,200]这种情况，解决办法如下：在data_loading.py 的 def preprocess(pil_img, scale, is_mask)函数众进行一下修改：

def preprocess(pil_img, scale, is_mask):
        w, h = pil_img.size
        newW, newH = int(scale * w), int(scale * h)
        assert newW > 0 and newH > 0, 'Scale is too small, resized images would have no pixel'
        pil_img = pil_img.resize((newW, newH), resample=Image.NEAREST if is_mask else Image.BICUBIC)
        img_ndarray = np.asarray(pil_img)

        if not is_mask:
            if img_ndarray.ndim == 2:
                img_ndarray = img_ndarray[np.newaxis, ...]
            else:
                img_ndarray = img_ndarray.transpose((2, 0, 1))

            img_ndarray = img_ndarray / 255
        else:
            img_ndarray = img_ndarray / 255 #添加的

        return img_ndarray