无法预测
Opened this issue · 8 comments
您的预测程序貌似我再运行时遇到了一些麻烦，在我改了维度之后发现预测是一片黑色的图，有正确的预测code吗？
感谢您的关注。我使用的时候，slide_predict开头的程序都是可以用的，论文的图也是它们生成的。请问您运行的环境是什么样的，做过哪些改动？可以发一下改动维度的细节吗
感谢您的关注。我使用的时候，slide_predict开头的程序都是可以用的，论文的图也是它们生成的。请问您运行的环境是什么样的，做过哪些改动？可以发一下改动维度的细节吗
我的pytorch版本1.4，由于报维度错误我slide_predict.py以下代码做出了调整：
def model_inference(model, image, flip=True):
output = model(image)
print(output.shape)
if aux:
output =output
if flip:
fimg = image.flip(2)
if aux:
output += model(fimg)[0].flip(2)
else:
output += model(fimg).flip(2)
fimg = image.flip(3)
if aux:
output += model(fimg).flip(3)[0]
else:
output += model(fimg).flip(3)
return output/3
return output
即只改了这一行： output += model(fimg).flip(3)[0]
同时我发现我训练时是8个类别，在经过output = model(image)后变成了6个类别，即最后一个维度是6，因此又造成tta_inference函数中preds += pred维度不一致。我不得已只能将preds = inp.new().resize_(b, num_classes, h, w).zero_().to(inp.device)中的num_classes改为6, train.的过程未进行改动，只改了颜色的label和路径。
if aux一行只在模型使用辅助损失的情况下（例如bisenet_v2）执行，否则应关闭。
第二个问题请检查config.ini，检查配置是否正确。
请问你在运行训练文件的时候遇到过无法处理数据的情况吗
我接着去跑load_vaihingen
报这个错误
请问你在运行训练文件的时候遇到过无法处理数据的情况吗
抱歉，我没有遇到过这两个问题。第一个问题可能出在RandomScaleCrop的函数，请检查那一步的w, h, self.crop_size三个变量的值。self.crop_size应小于等于w和h。若不需要RandomScaleCrop功能，将crop_size设置为w即可，但是crop_size不能比w大。
第二张图的问题可能来自于维度，请检查rgb和r的size()，r应该是[512, 512]或者[256, 256]这种。我没有使用decode_segmap这个函数，读数据其实用不到它。
请问你在运行训练文件的时候遇到过无法处理数据的情况吗
抱歉，我没有遇到过这两个问题。第一个问题可能出在RandomScaleCrop的函数，请检查那一步的w, h, self.crop_size三个变量的值。self.crop_size应小于等于w和h。若不需要RandomScaleCrop功能，将crop_size设置为w即可，但是crop_size不能比w大。 第二张图的问题可能来自于维度，请检查rgb和r的size()，r应该是[512, 512]或者[256, 256]这种。我没有使用decode_segmap这个函数，读数据其实用不到它。
crop_size就是按源代码里的设置的512，没有改动
请问你在运行训练文件的时候遇到过无法处理数据的情况吗
抱歉，我没有遇到过这两个问题。第一个问题可能出在RandomScaleCrop的函数，请检查那一步的w, h, self.crop_size三个变量的值。self.crop_size应小于等于w和h。若不需要RandomScaleCrop功能，将crop_size设置为w即可，但是crop_size不能比w大。 第二张图的问题可能来自于维度，请检查rgb和r的size()，r应该是[512, 512]或者[256, 256]这种。我没有使用decode_segmap这个函数，读数据其实用不到它。
crop_size就是按源代码里的设置的512，没有改动
我当时可以正常训练，可能根据自己数据集做了部分调整，但是基本正常，只是检测环节有些黑色的无法解决。
请问你在运行训练文件的时候遇到过无法处理数据的情况吗
抱歉，我没有遇到过这两个问题。第一个问题可能出在RandomScaleCrop的函数，请检查那一步的w, h, self.crop_size三个变量的值。self.crop_size应小于等于w和h。若不需要RandomScaleCrop功能，将crop_size设置为w即可，但是crop_size不能比w大。 第二张图的问题可能来自于维度，请检查rgb和r的size()，r应该是[512, 512]或者[256, 256]这种。我没有使用decode_segmap这个函数，读数据其实用不到它。
crop_size就是按源代码里的设置的512，没有改动
我当时可以正常训练，可能根据自己数据集做了部分调整，但是基本正常，只是检测环节有些黑色的无法解决。
我这用的数据集就是原数据集，问一下你的label是mask形式的还是彩色的