目录
之前简单地写了一个pytorch的U-net 复现过程，有很多小伙伴在评论里有很多疑问，抽空又复现了一遍，简单整理了常见的问题。
之前写的教程：U-net复现pytorch版本 以及制作自己的数据集并训练_candice5566的博客-CSDN博客
———————————————————————————————————————
2021.11.14复现过程：
github代码链接：
https://github.com/milesial/Pytorch-UNet
代码说明：这个代码新加入了一个wandb的可视化库，能够可视化训练过程中的参数变化情况
1.下载github的代码，并且配置好环境：
2.下载数据集：
我自己用来测试的数据集，链接：https://pan.baidu.com/s/1lqwZ6XvAtPhw5EYn4bwLUQ
提取码：upb3
3. 修改train.py文件里
a.修改数据集的路径
b.修改channel，如果是RGB图像，channel=3，如果是灰度图，channel=1；
修改classes，就是背景+你的数据集里有几个类别；比如我给的那个数据集有汽车和背景两个类，那么classes=2；
c. 其他参数可以自行进行修改
4. 开始训练，训练顺利的话应该是这样：
训练完成，wandb可视化结果：
可以看出来最后dice系数在0.95左右，loss在0.2左右。
5. 训练完成，模型会保存在checkpoints路径下：
我们找到predict.py文件，修改参数：
然后 找一张测试照片放在当前路径下，
# -i 是指定预测的照片 其他参数可以自己看get_args部分
python predict.py -i 7.jpg --viz -v
预测结果大概就是这样：
输入：
输出：
完结撒花~
训练过程常见问题整理：
1.block: [0,0,0], thread: [828,0,0] Assertion `t >= 0 && t < n_classes` failed. 如图
多半是classes设置错了
2. f'Either no mask or multiple masks found for the ID {name}: {mask_file}'，如图
多半是数据集出错了，
自查方法:
a.看路径出没出错
b.看后缀是不是对，可以看一下utils/date_lodading文件，
还有一定要注意，这里自定义了后缀是 "_mask"，也就是说你的掩码和原图一个应该是1.jpg，另外一个就是1_mask.jpg
c.看一下数据集路径下有没有其他文件，这个代码的data_load方法很粗暴，不能有其他文件或者文件夹
3. OSError: [WinError 1455] 页面文件太小，无法完成操作
这个直接说解决方法，在train.py文件里修改
num_worker为2，如果还是不行，改成0
4.dice系数一直都小，或者不变，那么有可能是学习率设置太小了，改成0.0001试试，
其他可能原因可以看一下原作者的解答：
over
有问题可以评论区补充。
文章出处登录后可见！
