晚上睡前一定要注册好QE，注册完写在这一句的后面。
一、color the grountruth
虽然anaconda安装不好，但是我直接把代码放在linux上面跑，没有报错需要安装包之类的。
cc2的给groundtruth上色的代码在119和131行报错了。报错原因均是和二维转化成三维相关的。我直接把第三维删掉了，这样三维数组就变成了二维的了。
跑代码的时候注意事项记录如下：
（1）crop这个文件夹存储png格式的原图，注意命名：z0001,z0002之类的；
（2）添加颜色的txt文件放在主文件夹下；
（3）然后结果是tif格式的文件，存储在color_coded_out文件夹内；
（4）运行函数CC2(x,y,z)这里的x,y,z分别填图像的维度。比如我是1024*1024*1.
（5）我其实是一张一张跑的，比如放z00001，然后出一张结果；再覆盖掉，换成新的z0001，再出一张结果。
顺利完成（yeah~）
其实睡饱了还是很重要的，感觉比周六调试了一整天的效率都高。
二、把python downgrade 到3.6版本
参考网站：
http://chris35wills.github.io/conda_python_version/
步骤记录如下：
1、在terminal的命令行里输入： conda search python
查看目前服务器里已经安装了的python版本；
2、比如我要安装python 3.6.7，我需要在服务器里输入：
conda install python=3.6.7
中间要回来点一下yes or no的yes.
然后python就变成了3.6.7的版本了。
三、跑xxcyclegan的代码
带nohup的命令行如下：
CUDA_VISIBLE_DEVICES=0 nohup python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8889 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/biospy.out &
我先跑不带nohup的命令行：
CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8889 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/biospy.out
我感觉要安装一些包。你看缺啥包，就安装啥包吧。
然后注意数据的多样性，之前放的数据其实可能不大行的。
遇到问题1：缺dominate包
pip install dominate
遇到问题2：CUDA driver version is insufficient for CUDA runtime version
所以还是需要把包放到学长跑代码的服务器下面去跑。
我先在学长的服务器上安装anaconda，然后再找着上面的方法downgrade。
这个服务器是蓝色的服务器。
参考自己之前的文章：（1-3）Windows系统连接Linux远程服务器并把Python程序传到远程服务器上运行
继续在新的服务器上跑命令行：
CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8889 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/biospy.out
发现pytorch也没有在新的机器上安装。
依旧是参考1月3号的方法：conda install pytorch torchvision -c pytorch
遇到问题3：
报错如下： <urllib3.connection.HTTPConnection object at 0x7fa44ca31c50>: Failed to establish a new connection: [Errno 111] Connection refused
有人遇到过类似的问题的。
询问学长之后，记录如下：
（1）因为我的命令行的原因，所以日志文件是存在bioscpy.out里的，即使没有nohup，在terminal显示的也不是原始文件。
（2）学长能在服务器上直接编辑python文件，我都是在外面编辑好，然后通过winscp扔进来。学习学长的这种方法
（3）学长看到了这一行：ERROR:visdom:[Errno 111] Connection refused
所以他让我查visdom的相关内容，问题就会变得很好解决了。
（4）这个命令行里有display的内容，需要在文件夹里建立public_html，这样才可能在外部display.
参考网站：
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/issues/24
当我输入：
python -m visdom.server
屏幕上跳出来：
Checking for scripts.
It's Alive!
INFO:root:Application Started
You can navigate to http://localhost:8097
跳出来这一段的时候我可激动了
所以这里我也要把端口号改掉咯~~
CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8097 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/biospy.out
然后我需要查visdom的内容，visdom是pytorch的可视化神器，类似tensorflow的tensorboard那样。
具体介绍参考这里：
https://zhuanlan.zhihu.com/p/32025746
遇到问题4：我输入visdom的启动命令行之后，就卡在那里了。
此外，端口号是在linux上面，肯定不能在window上打开去看。那么如何打开那个可视化页面呢？
刚刚问了hans，需要查的内容是：ssh visdom
其次需要查screen代码。他说需要再开一个窗口，才能输入新的命令行。
解决办法4-1：
远程连接visdom的问题
参考连接：https://blog.csdn.net/RhineYu/article/details/79947745
描述：“在服务器上开启jupyter notebook，或者TensorBoard，或者visdom服务时，会给出一个IP地址和端口号，可以在浏览器中运行。但是我在本地浏览器中输入这个地址并不能连接服务。”
“通过Google及Stack Overflow，找到解决方案，原因在于本地访问服务器应用需要建立SSH通道，SSH端口转发需要SSH连接，而SSH连接是有方向的，从SSH Client到SSH Server。而我们所要访问的应用也是有方向的，应用连接的方向也是从应用的Client端连接到应用的Server端。比如我们要访问服务器上的Web站点时，HTTP应用的方向就是我们这台主机（Client）到服务器（Server）。
我们这个问题中，开启jupyter notebook，TensorBoard，或是visdom，都属于本地转发（Local Forward），即SSH连接和应用的连接这两个连接的方向一致。具体解决方法是在本地终端建立SSH通道”
vis = visdom.Visdom(env='model_1')
截图里的代码不对的，少了一个d。
输入前三行代码之后报错：“address already in use”
原因是hans帮我放到后台跑的吧。我查一下后台的程序。
查看后台运行进程的代码是：jobs -l，但是后台没有正在跑的进程呀。
我现在在自己的电脑上输入127.0.0.1:8097，出现了visdom的界面了。（开心）
解决办法4-2
screen这个命令具体理解：
参考网址：http://www.runoob.com/linux/linux-comm-screen.html
另一个参考网址：https://www.ibm.com/developerworks/cn/linux/l-cn-screen/index.html
我觉得第二个网址更加详细。
总体操作方法：
1、输入 ssh -L 端口名称 登录的用户名
2、其实我发现直接可以在浏览器中打开这个端口了，可能这个原因，当我输入：
python3 -m visdom.server的时候，才会报错：“address already in use”
地址被占用的解决办法：
参考网址：https://gauravsohoni.wordpress.com/2015/09/17/address-already-in-use-errors-find-and-kill-process/
先在命令行中输入：lsof -i tcp:8097，其中8097是端口号。
This should list pids for applications using port 3000. Once you have the pid you can kill the process with kill command
用以下命令结束这个pid:
kill -9 <PID> #where <PID> is the process id returned by lsof
这时候再输入：lsof -i tcp:8097，就没有内容返回了。同时网页也打不开了。
这时候再输入：python3 -m visdom.server，就没有报错：端口被占用了。
3、对sreen的尝试：
先输入screen，再activate可视化窗口，再sreen回去（ctrl+a+d）
这个方法可以！
在screen回去的界面运行命令行，没有报错visdom相关的错误了。
遇到问题5：
报错IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python number
解决办法：https://github.com/NVIDIA/flownet2-pytorch/issues/113
至少不是代码内部的错误，是版本的错误，所以我需要自己改代码的版本。
我先把旧版本back up一下，取名为。。。。——backup，然后再改新的代码。
解决办法：
That's because in PyTorch>=0.5, the index of 0-dim tensor is invalid. The master branch is designed for PyTorch 0.4.1, `loss_val.data[0]` works well.
Try to change
total_loss += loss_val.data[0]
loss_values = [v.data[0] for v in losses]
to
total_loss += loss_val.data
loss_values = [v.data for v in losses]
might fix the problem.
需要改的代码位于：cycle_lo_seg_model.py的self.backward_G()这个函数里。
我删掉了代码第150行和151行的【0】，也删掉了194~199行的【0】
也删掉了代码126和131行的【0】
解决了这个报错。
遇到问题6：报错：TypeError: Object of type 'Tensor' is not JSON serializable
还是pythorch版本的问题：
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/issues/258
这里建议是安装版本pytorch0.3.1
参考这篇文章：所以我需要安装pytoch0.3.0，并且把问题5改过来的地方改回去。就是还是用back up的代码跑。
尝试解决办法：
卸载掉当前的pytorch，然后安装0.3.0版本的pytorch
参考网址：https://ptorch.com/news/37.html
这篇文章讲的很详细，怎么卸载，怎么安装特定版本的pytorch，怎么查看当前pytorch版本。都写得很详细。
具体做法：
1、输入 pip uninstall torch
然后这时候python，再输入 import torch，就显示：找不到模块了。
这样说明卸载成功
2、尝试这个命令行：pip install pytorch==0.3.10
但是安装失败。
我谷歌如下关键词：“downgrade pytorch to 0.3”
有不少人问一样的问题呢，哈哈
我在这个网站上找到了合适的解决办法：https://discuss.pytorch.org/t/how-to-switch-to-older-version-of-pytorch/19656
命令行如下：conda install -c pytorch pytorch=0.3.1
用conda而不是用pip安装
趁它在安装的时候，我把遇到问题5改过的代码改回去（就是把原来的程序丢进来。）
其实它安装的时候我心惊胆战的，生怕什么时候又报错了。
应该不会的，反正万一报错了，实验室里也有人可以问。
安装成功。
3、测试pytorch版本
输入代码如下：
成功解决。
然后我继续跑代码吧。
遇到问题7：找不到no-blocking这个参数
哦哦这时候同步异步那里要改回来了。就是2月18号改的那些地方要改回来
就改第85和86行就可以了，在notepad上改完丢进服务器。
好像可以顺利跑起来了。在log_file文件夹里，从最下面可以看到，日志的行数是不断增加的，说明跑起来了。
终于开始跑了
呜呜呜好激动，过了这么多天，终于跑起来了。
摘自log_file:
(epoch: 2, iters: 72, time: 0.800) D_A: 0.139 G_A: 0.280 Cyc_A: 0.253 D_B: 0.294 G_B: 0.348 Cyc_B: 0.862 location: 0.137 total: 1.880
End of epoch 2 / 200 Time Taken: 77 sec
learning rate = 0.0002000
总结：
1、用到的命令行如下：
CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8097 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/cell3.out
2、版本：
python3.6.7
pytorch 0.3.1（通过conda安装）
这个事例深刻地显示了运行环境的重要性！
四、改数据集，增加数据集的多样性
先观察自己的数据集差在哪里，然后找解决办法。
1是照片不够多；
2是照片几乎来自同几张图片。
我需要做的事情是：回到数据扩增部分，拿编号1-13张原图进行数据扩增，然后拿编号14-15张原图进行测试。
我放256张图吧。如果不够我再增加图。我感觉像原来那样放128张图应该是不够的。
这时候学校的网络不行了。
我直接开始画groundtruth吧
五、画10张individual图的groundtruth
中午遇到的问题是：注意这里的overall label capacity，最好调成50，如果调得更低一点，label的颜色就显示不出来了。
网友评论