wk

可以检测下CUDA和cuDNN的兼容性[NVIDIA cuDNN](https://docs.nvidia.com/deeplearning/cudnn/reference/support-matrix.html)，或者更新NVIDIA驱动程序，这个报错一般与仓库程序关系不大主要还是环境配置问题。

I haven't seen it for a long time. Maybe it's because the test dataset is only part of the labeled data.

高光谱数据标注我接触的不多，之前实验室用PS过和ArcGIS做过标注。现在的AI PS功能貌似很强，自动套索挺厉害。 前段时间体验过SAM不知道是不是可以尝试下。

可以给数据边界进行padding，也可以舍弃边界的pixel。

第一个问题，可以参考HyperX类的数据增强和预处理方式进行数据扩展后再使用sklearn模型进行读取分类处理。 第二个问题，是存在这个问题。可以基于test_gt利用build_dataset构建测试集进行测试。

build_dataset出来 X_test进行预测, 根据输出 y_test_predict数据大小转换成数据对应的格式大小, 使用img.shape[:2]肯定不合理. 如果为了只输出test数据预测结果可视化可以根据build的indices对应的mask把test的数据输出出来。

> 作者您好，我想问一下 使用sklearn的模型来分类的话，可以在代码的哪些地方添加数据预处理(是个人的一些预处理) 因为我看到sklearn模型的数据都是原始数据，不像pytorch的HyperX类，可以添加数据预处理 > > 另外还有一个小小的疑问 我看到sklearn的模型中，训练数据是img的一部分，但是用来预测的数据是整个img，请问这会不会导致测试集中存在训练集的问题 第二个问题，刚才看了下代码，我感觉这个影响不大。在main中320行，统计test accuracy只统计了test 数据那一部分。 > run_results = metrics(prediction, test_gt, ignored_labels=hyperparams['ignored_labels'], n_classes=N_CLASSES) 全部预测是为了方便可视化。

我的电话号码15829002380，也是微信号码 ---- 回复的原邮件 ---- | 发件人 | ***@***.***> | | 日期 | 2023年10月25日 10:51 | | 收件人 | ***@***.***> | | 抄送至 | ***@***.***> | | 主题 | [eecn/ncnn-android-yolov8-pose] 请你的联系方式有吗...