基于Tensorflow 1.15的DeepLabV3+_框架的配置和CityScapesScript测试集的语义分割实现

一、硬件环境：

Ubuntu 20.04 LTS Operation System

NVIDIA TiTan XP GPU

二、软件环境：

GPU Driver：NVIDIA-Linux-x86_64-460.80.run

CUDA: Cuda 10.0

CUDNN: Cudnn 7.4.1 for Cuda 10.0

Anaconda：Anaconda3-2021.05-Linux-x86_64.sh

Pycharm

Pigcha

三、Tensorflow-gpu 1.15环境的配置：

其中，Tensorflow，CUDA，CUDNN均选择自己需要的版本来下载。

Reference：

驱动的安装：https://www.cnblogs.com/shyern/p/10606315.html#_label3

CUDA的安装：

https://developer.nvidia.com/cuda-toolkit-archive

CUDNN的安装：

https://developer.nvidia.com/zh-cn/cudnn

* 使用Firefox Web Browser 在密码验证时有问题，可以通过 Wechat Scan QR Code登录。

Tensorflow的安装：https://www.bilibili.com/video/BV1UE411N7gS

Tensorflow-CUDA-CUDNN版本对照表：

https://www.tensorflow.org/install/source Tips：

1.请先装驱动，尽量安装较高版本的驱动才能运行对应的CUDA。（向下兼容）

2.如果装完驱动之后返回图形界面时黑屏，请重装系统，之后使用nvidia-smi确认驱动是否安装成功。若未成功，请重新选择驱动版本进行安装。

3.DeepLabV3+框架只能在GPU工作情况下运行，因为有部分代码要求GPU参与工作，除非自行修改代码。

4.请在Linux环境下进行环境的配置，Win环境下会产生各种ERROR，无法下手。

5.Manjaro上的开源驱动，用不了。

6.若是在Anaconda下面创建的环境，可以通过指定CUDA版本进行CUDA的安装，但是没有对应版本的CUDNN库，可以将下载的CUDNN解压，直接替换Anaconda-pkg里CUDNN的内容，CUDA可以正常工作。

7.Pip推荐豆瓣源：https://pypi.douban.com/simple/

8.Anaconda推荐BFSU源：https://https://mirrors.bfsu.edu.cn/help/anaconda/

l检测代码：

import tensorflow as tf

a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用

b = tf.test.is_gpu_available(

cuda_only=False,

min_cuda_compute_capability=None

) # 判断GPU是否可以用

print(a)

print(b)

四、DeepLabV3+_框架的配置与CityScapesScript测试集的语义分割：

Reference：

https://blog.csdn.net/malvas/article/details/88896283

Tips：

1.DeepLab是个工程项目，要把model_test.py, train.py，eval.py, vis.py同deeplab一并拉到自己新建的工程文件夹下运行。（自己新建的工程文件DeepLab_Test里面有【deeplab，model_test.py, train.py，eval.py, vis.py】）

2.Reference 里面没有的文件夹自己要新建。

3.CityScapesScript测试集下载需要.edu后缀的邮箱。

4.缺少的库，如：pillow, tf_slim, quaternion按照返回讯息进行下载即可。

5.Git clone境内对应Gitee地址:

// CityScapesScript标注集

git clone https://gitee.com/chanmanseui/cityscapesScripts.git

// DeepLab源码

git clone https://gitee.com/chanmanseui/models.git

6.Reference里面train，eval，vis指令错误的地方和更改后的指令：

# train.py

python train.py \

--logtostderr \

--training_number_of_steps=1000 \

#ERROR OCCURED

--train_split="train_fine" \

--model_variant="xception_65" \

--atrous_rates=6 \

--atrous_rates=12 \

--atrous_rates=18 \

--output_stride=16 \

--decoder_output_stride=4 \

--train_crop_size="769,769"\

--train_batch_size=2 \

--dataset="cityscapes" \

--tf_initial_checkpoint='/home/administractor/PycharmProjects/DeepLab_Test/deeplab/backbone/deeplabv3_cityscapes_train/model.ckpt' \

--train_logdir='/home/administractor/PycharmProjects/DeepLab_Test/deeplab/exp/train_on_train_set/train' \

--dataset_dir='/home/administractor/data/cityscapesScripts/tfrecord'

# eval.py

python eval.py \

--logtostderr \

--eval_split="val_fine" \

--model_variant="xception_65" \

--atrous_rates=6 \

--atrous_rates=12 \

--atrous_rates=18 \

--output_stride=16 \

--decoder_output_stride=4 \

--eval_crop_size="1025,2049" \

--dataset="cityscapes" \

--checkpoint_dir='/home/administractor/PycharmProjects/DeepLab_Test/deeplab/exp/train_on_train_set/train' \

--eval_logdir='/home/administractor/PycharmProjects/DeepLab_Test/deeplab/exp/train_on_train_set/eval' \

--dataset_dir='/home/administractor/data/cityscapesScripts/tfrecord'

# vis.py

python vis.py \

--logtostderr \

--vis_split="val_fine" \

--model_variant="xception_65" \

--atrous_rates=6 \

--atrous_rates=12 \

--atrous_rates=18 \

--output_stride=16 \

--decoder_output_stride=4 \

--vis_crop_size="1025,2049" \

--dataset="cityscapes" \

--colormap_type="cityscapes" \

--checkpoint_dir='//home/administractor/PycharmProjects/DeepLab_Test/deeplab/exp/train_on_train_set/train' \

--vis_logdir='/home/administractor/PycharmProjects/DeepLab_Test/deeplab/exp/train_on_train_set/vis' \

--dataset_dir='/home/administractor/data/cityscapesScripts/tfrecord'

* 最终结果：