基于pytorch的Semantic Flow for Fast and Accurate Scene Parsing算法
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
其他资源
- 上兴远程控制2014
- SQLCipher 2.2.1 解密数据库 Windows使用
- Redmine API (Redmine 官方文档pdf版）
- 维也纳LTE系统级仿真平台说明文档
- 熵权法求权重MATLAB源码
- PointVisulization.rar
- 图书管理系统（java IO操作）
- 博途（TIA）内部培训资料
- 预测波士顿房价
- 基于opencv的远程视频监控智能小车
- Matlab小波分析张德丰
- 天津工业大学《模拟电子技术》04-17年历年期末试卷（含答案）.pdf
- OpenStack学习思维导图.xmind
- authorware打字游戏
- C# 实现播放MP3的类
- Lucene搜索引擎 JSP + JAVA
- RISC_CPU modelsim代码
- 基于stm32单片机的MQ-3酒精模块检测程序
- struts的英文文献及翻译
- 花5百购买的mysql ocp认证IZO-883 考试题库 准确率达到百分之八九十
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
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