向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
前言：
配置：windows10 + Tensorflow1.6.0 + Python3.6.4（笔记本无GPU）
源码：
https://github.com/tensorflow/models/tree/master/research/deeplab
权重下载地址：
https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md
1. 运行model_test.py
测试安装环境，如果正常，提示：
Ran 5 tests in 10.758s
2. 运行build_voc2012_data.py 生成 .tfrecord数据
在VOC2012数据集中，文件夹JPEGImages存放着原始的[n*m*3] .jpg格式图片，文件夹SegmentationClass中存放Label数据，为[n*m*3]的 .png图片，首先应将这些label数据转换为[n*m*1]的单通道图片。
具体转换方法见：
https://blog.csdn.net/weixin_41713230/article/details/81076292
运行成功后，会提示如下信息：
3. 运行train.py训练模型
运行成功信息如下：
如果在第2步，没有将label数据转换为单通道数据，loss可能会爆炸性增长，也可能报错，提示：Loss is inf or nan.
4. 运行eval.py，输出为MIOU值
运行成功信息如下：
如果在第2步，没有将label数据转换为单通道数据，这里会报错提示：['predictions' out of bound]。
5. 运行vis.py，查看结果
成功运行提示信息如下：
最后，在输出文件夹（'./vis_output'）中查看模型的预测结果，如下：
阅读过本文的人还看了以下文章：
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
QQ群
333972581
本文分享自微信公众号 - 机器学习AI算法工程（datayx）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4585416/blog/4397954