5.2 KiB
5.2 KiB
常见问题解答（FAQ）
我们在这里列出了使用时的一些常见问题及其相应的解决方案。 如果您发现有一些问题被遗漏，请随时提 PR 丰富这个列表。 如果您无法在此获得帮助，请使用 issue模板创建问题，但是请在模板中填写所有必填信息，这有助于我们更快定位问题。
安装
兼容的MMSegmentation和MMCV版本如下。请安装正确版本的MMCV以避免安装问题。
| MMSegmentation version | MMCV version | MMClassification version |
|---|---|---|
| master | mmcv-full>=1.5.0, <1.7.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.29.0 | mmcv-full>=1.5.0, <1.7.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.28.0 | mmcv-full>=1.5.0, <1.7.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.27.0 | mmcv-full>=1.5.0, <1.7.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.26.0 | mmcv-full>=1.5.0, <=1.6.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.25.0 | mmcv-full>=1.5.0, <=1.6.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.24.1 | mmcv-full>=1.4.4, <=1.6.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.23.0 | mmcv-full>=1.4.4, <=1.6.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.22.0 | mmcv-full>=1.4.4, <=1.6.0 | mmcls>=0.20.1, <=1.0.0 |
| 0.21.1 | mmcv-full>=1.4.4, <=1.6.0 | Not required |
| 0.20.2 | mmcv-full>=1.3.13, <=1.6.0 | Not required |
| 0.19.0 | mmcv-full>=1.3.13, <1.3.17 | Not required |
| 0.18.0 | mmcv-full>=1.3.13, <1.3.17 | Not required |
| 0.17.0 | mmcv-full>=1.3.7, <1.3.17 | Not required |
| 0.16.0 | mmcv-full>=1.3.7, <1.3.17 | Not required |
| 0.15.0 | mmcv-full>=1.3.7, <1.3.17 | Not required |
| 0.14.1 | mmcv-full>=1.3.7, <1.3.17 | Not required |
| 0.14.0 | mmcv-full>=1.3.1, <1.3.2 | Not required |
| 0.13.0 | mmcv-full>=1.3.1, <1.3.2 | Not required |
| 0.12.0 | mmcv-full>=1.1.4, <1.3.2 | Not required |
| 0.11.0 | mmcv-full>=1.1.4, <1.3.0 | Not required |
| 0.10.0 | mmcv-full>=1.1.4, <1.3.0 | Not required |
| 0.9.0 | mmcv-full>=1.1.4, <1.3.0 | Not required |
| 0.8.0 | mmcv-full>=1.1.4, <1.2.0 | Not required |
| 0.7.0 | mmcv-full>=1.1.2, <1.2.0 | Not required |
| 0.6.0 | mmcv-full>=1.1.2, <1.2.0 | Not required |
如果你安装了mmcv，你需要先运行pip uninstall mmcv。
如果mmcv和mmcv-full都安装了，会出现 "ModuleNotFoundError"。
- "No module named 'mmcv.ops'"; "No module named 'mmcv._ext'".
- 使用
pip uninstall mmcv卸载环境中现有的mmcv。 - 按照安装说明安装mmcv-full。
- 使用
如何获知模型训练时需要的显卡数量
- 看模型的config文件的命名。可以参考学习配置文件中的
配置文件命名风格部分。比如，对于名字为segformer_mit-b0_8x1_1024x1024_160k_cityscapes.py的config文件，8x1代表训练其对应的模型需要的卡数为8，每张卡中的batch size为1。 - 看模型的log文件。点开该模型的log文件，并在其中搜索
nGPU，在nGPU后的数字个数即训练时所需的卡数。比如，在log文件中搜索nGPU得到nGPU 0,1,2,3,4,5,6,7的记录，则说明训练该模型需要使用八张卡。
auxiliary head 是什么
简单来说，这是一个提高准确率的深度监督技术。在训练阶段，decode_head 用于输出语义分割的结果，auxiliary_head 只是增加了一个辅助损失，其产生的分割结果对你的模型结果没有影响，仅在在训练中起作用。你可以阅读这篇论文了解更多信息。
为什么日志文件没有被创建
在训练脚本中，我们在第167行调用 get_root_logger 方法，然后 mmseg 的 get_root_logger 方法调用 mmcv 的 get_logger，mmcv 将返回在 'mmsegmentation/tools/train.py' 中使用参数 log_file 初始化的同一个 logger。在训练期间只存在一个用 log_file 初始化的 logger。
如果你发现日志文件没有被创建，可以检查 mmcv.utils.get_logger 是否在其他地方被调用。
运行测试脚本时如何输出绘制分割掩膜的图像
在测试脚本中，我们提供了show-dir参数来控制是否输出绘制的图像。用户可以运行以下命令:
python tools/test.py {config} {checkpoint} --show-dir {/path/to/save/image} --opacity 1