deeplabv3-plus-pytorch
deeplabv3-plus-pytorch copied to clipboard
bubbliiiing
这是一个deeplabv3-plus-pytorch的源码，可以用于训练自己的模型。
我用这个代码转.onnx成功了，也用python调用成功.onnx推理出了结果，但是用molienet做主干时候生成的onnx有个Clip结点，用C++的opencv调用的话这个结点会报错，有没有大佬知道这是为啥，或者谁有onnruntime推理onnx的C++版本呀！帮帮孩子吧...
您好，up。我是用的Xshell，将代码传至服务器使用的，linux系统。在预测视频时，视频最终显示出来的结果，肉眼看整体偏暗，不像原视频色彩更高，对比度更明显。 最终预测出来的效果，摄像头在稍微远一点的距离，根本识别不出来任何目标，镜头拉近，可以把目标的大概轮廓分割出来，并且效果较好。 所以摄像头在较远距离识别不出来目标，是因为预测后视频中存在对比度的问题？ 亦或者视频处理没有问题，只是视频显示出来我们看到色彩不足，而问题是数据自身边缘模糊，质量不够？ 请您看到联系我，谢谢！
I would like to ask if it is possible to provide a GPU TorchScript model conversion instead of the onnx model
 如何才能改进，能继续升级优化下代码吗。 cpu是i7，9700.。显卡是泰坦V。目前cpu全程满负载，显卡每次就工作一小会。多线程开到了6线程，参数怎么设置都跑不满GPU，代码需要怎么进行优化呢。来减少CPU的占用。
你好，在运行predict.py的时候，出现了AttributeError: Can't get attribute 'Conv2dNormActivation' on 的报错，不知道是不是torchvision的问题还是pytorch和torchvision的问题。 关于cuda和torchvision和pytorch的版本我已经折腾了很久了，希望大佬能帮帮我
# MobileNetV3网络 import torch.nn as nn import math import torch __all__ = ['build_mobilenetv3_small', 'build_mobilenetv3_large'] def _make_divisible(v, divisor, min_value=None): if min_value is None: min_value = divisor new_v = max(min_value, int(v +...
gbk报错
为什么我没有使用中文路径，还是报'gbk'的错 例如：jpgs_path = "E:\deeplabv3-plus-pytorch-main\deeplabv3-plus-pytorch-main\datasets\JPEGImages" #输出的原图位置 pngs_path = "E:\deeplabv3-plus-pytorch-main\deeplabv3-plus-pytorch-main\datasets\SegmentationClass" #输出的标签图位置 count = os.listdir("E:\deeplabv3-plus-pytorch-main\deeplabv3-plus-pytorch-main\datasets\\before") #原图及json文件位置 for i in range(0, len(count)): path = os.path.join("E:\deeplabv3-plus-pytorch-main\deeplabv3-plus-pytorch-main\datasets\\before", count[i]) 运行不了json_to_dataset
一直报错：FileNotFoundError: [Errno 2] No such file or directory:，但是文件路径明明没有问题啊 文件都摆放好了，train.txt也没问题，在ImageSet里的segmentation里面都生成好了，但还是一直报错