jquery做背景的网站赏析中外商贸网站建设

比如说我们要用这个网络：
我们发现他内部继承了很多类，要想配对我们的数据集，就要进行父类的修改。

 '../_base_/models/deeplabv3_unet_s5-d16.py', '../_base_/datasets/drive.py','../_base_/default_runtime.py', '../_base_/schedules/schedule_40k.py'第一个不需要动剩下的逐个调就行了！

首先他是drive数据集的，咱们为了省事，直接对drive数据集进行修改。

进入：mmsegmentation-main/configs/base/datasets/drive.py

# 数据集路径
dataset_type = 'ZihaoDataset' # 数据集类名
# dataset_type = 'DRIVEDataset'
data_root = 'max-rice/' # 数据集路径（相对于mmsegmentation主目录）# 输入模型的图像裁剪尺寸，一般是 128 的倍数，越小显存开销越少
crop_size = (512, 512)# 训练预处理
train_pipeline = [dict(type='LoadImageFromFile'),dict(type='LoadAnnotations'),dict(type='RandomResize',scale=(2048, 1024),ratio_range=(0.5, 2.0),keep_ratio=True),dict(type='RandomCrop', crop_size=crop_size, cat_max_ratio=0.75),dict(type='RandomFlip', prob=0.5),dict(type='PhotoMetricDistortion'),dict(type='PackSegInputs')
]# 测试预处理
test_pipeline = [dict(type='LoadImageFromFile'),dict(type='Resize', scale=(2048, 1024), keep_ratio=True),dict(type='LoadAnnotations'),dict(type='PackSegInputs')
]# TTA后处理
img_ratios = [0.5, 0.75, 1.0, 1.25, 1.5, 1.75]
tta_pipeline = [dict(type='LoadImageFromFile', file_client_args=dict(backend='disk')),dict(type='TestTimeAug',transforms=[[dict(type='Resize', scale_factor=r, keep_ratio=True)for r in img_ratios],[dict(type='RandomFlip', prob=0., direction='horizontal'),dict(type='RandomFlip', prob=1., direction='horizontal')], [dict(type='LoadAnnotations')], [dict(type='PackSegInputs')]])
]# 训练 Dataloader
train_dataloader = dict(batch_size=2,num_workers=2,persistent_workers=True,sampler=dict(type='InfiniteSampler', shuffle=True),dataset=dict(type=dataset_type,data_root=data_root,data_prefix=dict(img_path='img_dir/train', seg_map_path='ann_dir/train'),pipeline=train_pipeline))# 验证 Dataloader
val_dataloader = dict(batch_size=1,num_workers=4,persistent_workers=True,sampler=dict(type='DefaultSampler', shuffle=False),dataset=dict(type=dataset_type,data_root=data_root,data_prefix=dict(img_path='img_dir/val', seg_map_path='ann_dir/val'),pipeline=test_pipeline))# 测试 Dataloader
test_dataloader = val_dataloader# 验证 Evaluator
val_evaluator = dict(type='IoUMetric', iou_metrics=['mIoU', 'mDice', 'mFscore'])# 测试 Evaluator
test_evaluator = val_evaluator

进入：mmsegmentation-main/configs/base/default_runtime.py
这个也不需要改什么东西，过！

进入：H:\mmsegmentation-main\mmsegmentation-main\configs_base_\default_runtime.py
这里就是调节一些训练参数，总共多少轮次什么的，max—iter就是200轮次

然后train里把路径粘贴进去即可：