基于pytorch的Semantic Flow for Fast and Accurate Scene Parsing算法

上传者: 36112576 | 上传时间: 2022-08-10 09:21:42 | 文件大小: 526.96MB | 文件类型: ZIP
1、 训练数据准备 所有数据均放置于Sample\Build\下,其中Build为数据类型,根据自己需要进行修改,本示例数据为512*512大小GF2建筑,训练数据按照: Sample\Build\train\ IMG_T1 -----------------------\ IMG_LABEL -----------------\val\ IMG_T1 -----------------------\IMG_LABEL 2、 训练参数设置 参数和运行皆在dp0_train.py中,主要参数包括: (1) num_epochs,训练批次 (2) learning_rate,学习率 (3) dataset,步骤一自己构建的数据集名称 (4) band,输入数据通道数(波段数) (5) n_class, 模型输出通道数(类别) 设置好后点击run即可 3、 训练模型位置 模型结构放与net文件中,生成模型文件pt位于Checkpointspath\ 4、 预测使用 填写参数 Checkpointspath,模型位置名称 Dataset,待预测数据文件夹 Outputpath,输出数据文件夹

文件下载

资源详情

[{"title":"( 1967 个子文件 526.96MB ) 基于pytorch的Semantic Flow for Fast and Accurate Scene Parsing算法","children":[{"title":"base.py <span style='color:#111;'> 1.16KB </span>","children":null,"spread":false},{"title":"resnet.py <span style='color:#111;'> 3.96KB </span>","children":null,"spread":false},{"title":"resnetd.cpython-36.pyc <span style='color:#111;'> 4.55KB </span>","children":null,"spread":false},{"title":"resnetd.py <span style='color:#111;'> 4.21KB </span>","children":null,"spread":false},{"title":"layer_normal.py <span style='color:#111;'> 2.33KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明