GaitSet在Windows下配置到跑通的全过程记录

1、HelloWorld

最近有同学课设做的深度学习,但是他并不了解,所以我来帮他一起弄
我对GaitSet具体算法内容不了解,只参与了环境搭建和改一些简单bug的过程
在debug的过程中遇到了一些问题,现已全部解决并完美训练测试结束。
为了记录下收获,同时液能帮助到遇到同样问题的朋友,趁没忘赶紧写下这篇博文

我们使用的硬件配置为英伟达1660,i5处理器,16G内存
OS为Windows10,IDE为Pycharm 2020 社区版

2、环境搭建

    CUDA、CuDnn、Pytorch都是和GitHub上作者给的版本一样
	首先安装CUDA9.0,CuDnn7.0
	然后在清华镜像源下安装anaconda,然后使用conda安装pytorch
	这些流程都是固定套路,网上都有,也没有什么很复杂的地方,我就不写了
	数据集的来源是[这里](),也是GitHub作者指定的

3、开始DEBUG

3、1 首先是图像预处理部分的问题

在GitHub上原作者给出的pretreatment.py代码是有些问题的,运行后只会生成相应文件夹但是不会有相应的图片出现,后来我们在网上找到了可以替代的预处理代码,代码中有一些小错误,经修正后确认可用,可以替代原作者的pretreatment.py代码
修正后代码如下:

'''
import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

def cut_image(path,cut_path,size):
    '''
    剪切图片
    :param path: 输入图片路径
    :param cut_path: 剪切图片后的输出路径
    :param size: 要剪切的图片大小
    :return:
    '''
    for (root,dirs,files) in os.walk(path):
        temp = root.replace(path,cut_path)
        if not os.path.exists(temp):
            os.makedirs(temp)
        for file in files:
            image,flag = cut(Image.open(os.path.join(root,file)))
            if not flag: Image.fromarray(image).convert('L').resize((size,size)).save(os.path.join(temp,file))

    pass

def cut(image):
    '''
    通过找到人的最小最大高度与宽度把人的轮廓分割出来,、
    因为原始轮廓图为二值图,因此头顶为将二值图像列相加后,形成一列后第一个像素值不为0的索引。
    同理脚底为形成一列后最后一个像素值不为0的索引。
    人的宽度也同理。
    :param image: 需要裁剪的图片 N*M的矩阵
    :return: temp:裁剪后的图片 size*size的矩阵。flag:是否是符合要求的图片
    '''
    image = np.array(image)

    # 找到人的最小最大高度与宽度
    height_min = (image.sum(axis=1)!=0).argmax()
    height_max = ((image.sum(axis=1)!=0).cumsum()).argmax()
    width_min = (image.sum(axis=0)!=0).argmax()
    width_max = ((image.sum(axis=0)!=0).cumsum()).argmax()
    head_top = image[height_min,:].argmax()
    # 设置切割后图片的大小,为size*size,因为人的高一般都会大于宽
    size=height_max-height_min
    temp = np.zeros((size,size))

    # 将width_max-width_min(宽)乘height_max-height_min(高,szie)的人的轮廓图,放在size*size的图片中央
    # l = (width_max-width_min)//2
    # r = width_max-width_min-l
    # 以头为中心,将将width_max-width_min(宽)乘height_max-height_min(高,szie)的人的轮廓图,放在size*size的图片中央
    l1 = head_top-width_min
    r1 = width_max-head_top
    # 若宽大于高,或头的左侧或右侧身子比要生成图片的一般要大。则此图片为不符合要求的图片
    flag = False
    if size<=width_max-width_min or size//2
ValueError: Object arrays cannot be loaded when allow_pickle=False
  报错原因:自Numpy 1.16.3版本发行之后,函数 numpy.load() 和 numpy.lib.format.read_array() 采用allow_pickle关键字,现在默认为False
  解决方法:降级Numpy 或者在numpy.load()参数中加一个allow_pickle=True
CUDA_EXTERN_FAILURE

这个好像是cuda版本和显卡之间的问题,没能解决,只能用CPU跑的

测试时报错

== 运行test.py文件查看模型准确率,但是出现如下:
ValueError: need at least one array to concatenate==
我看网上这个问题很多人都遇到了,我们当时也遇到了,后来我看了看代码,发现导入的测试集的数据为0,而训练集的数据量为8。最后发现是在data_loader.py中有一个pid_list变量,这个变量将从work/partition/下的.npy文件导入相关的测试集。而我和同学在跑整个数据集之前,为图省事,曾经跑过只有8个人的部分数据集,可能是在跑部分数据集的时候,就生成了.npy文件,而.npy文件再后来也没有自动更新,导致出现了问题。

解决办法:将work/partition/下所有.npy文件删除,然后重新测试,这时候会自动生成新的.npy文件,之后便不会再出错。

你可能感兴趣的:(步态识别,深度学习,计算机视觉,人工智能,pytorch)