Pytorch-UNet训练

简介

本节主要是介绍我怎么用上一节实现的UNet进行训练，一共分成3部分进行说明。需要强调的是，本节中的数据集以及很多模型训练想法都是来自【Keras】基於SegNet和U-Net的遙感圖像語義分割，我主要的工作就是将keras的代码用pytorch进行了实现。在上面的链接里，该作者对他们设计模型以及数据处理进行了较为详细的介绍。
刚开始我自己用pytorch实现了训练的模型，但是感觉并不是很好，主要是代码的结构不喜欢，后来在github上找到了一个pytorch训练测试模型的模板，然后把代码加到模板里，训练起来确实方便了不少，原始的模板： pytorch-template。大家可以用一下试试，我个人感觉如果能自己写还是自己写，等写熟了再用模板应该会好一点。

数据集

原始数据和数据集生成的代码都放在了百度网盘，提取码：7rtr。下载以后先将数据集解压，然后运行里面的gen_dataset.py，注意修改里面的文件路径，然后使用traverse_dataset.py遍历数据集，将文件名存进txt中，用于pytorch加载数据。

模型训练

因为是用的别人的训练模板，所以需要做的事情不是很多，只需要按照别人模板说明针对性的修改文件就行了，训练的话就：

python train.py --config config.json

至于代码，可以从github上下载我修改后的代码，可以直接运行:github地址。

结果分析

训练的过程中有保存日志，我还用tensorboard看了。但是很奇怪的是，训练完以后再打开结果就只显示最初的一段训练结果，不停的刷新页面可以更新，点了半天刷新，有点累，只得到下面的图：

这个是加了norm batch的训练结果，和没加的区别不是很大，我印象中加了以后好像训练过程中loss波动要大一些，不过下降趋势都差不多，最终的Accuracy也很接近，大致就是这样。可能是状态不好，感觉写点东西，浑身难受，有点烦躁。