Pytorch深度学习实战教程（一）：语义分割基础与环境搭建

点击蓝字关注我们

扫码关注我们

公众号 : 计算机视觉研究院

扫码回复： 往期推荐 ，获取更多深度学习领域链接

一、前言

今天我们带来语义分割系列文章， 该系列文章的内容有：

• Pytorch的基本使用

• 语义分割算法讲解

先从最简单的语义分割基础与开发环境搭建开始讲解。

PS：由于微信不允许外部链接，你需要点击页尾左下角的“ 阅读原文 ”，才能访问文中的链接，文中的所有链接已使用 蓝色字体标记 。

二、语义分割

语义分割是什么？

语义分割（semantic segmentation） : 就是按照“语义”给图像上目标类别中的每一点打一个标签，使得不同种类的东西在图像上被区分开来。可以理解成像素级别的分类任务，直白点，就是对每个像素点进行分类。

简而言之，我们的目标是给定一幅RGB彩色图像（高x宽x3）或一幅灰度图像（高x宽x1），输出一个分割图谱，其中包括每个像素的类别标注（高x宽x1）。具体如下图所示：

注意 ：为了视觉上清晰，上面的预测图是一个低分辨率的图。在实际应用中，分割标注的分辨率需要与原始图像的分辨率相同。

这里对图片分为 五类 ：Person（人）、Purse（包）、Plants/Grass（植物/草）、Sidewalk（人行道）、Building/Structures（建筑物）。

与标准分类值（standard categorical values）的做法相似，这里也是创建一个 one-hot编码 的目标类别标注——本质上即为 每个类别创建一个输出通道 。因为上图有5个类别，所以网络输出的通道数也为5，如下图所示：

如上图所示，预测的结果可以通过对每个像素在深度上求 argmax的方式 被整合到一张分割图中。进而，我们可以轻松地通过重叠的方式观察到每个目标。

argmax的方式也很好理解。如上图所示，每个通道只有0或1，以Person的通道为例， 红色的1 表示为Person的像素，其他像素均为0。其他通道也是如此，并且不存在同一个像素点在两个以上的通道均为1的情况。因此，通过argmax就找到每个像素点的最大索引通道值。最终得到结果为：

当只有一层通道被重叠至原始图像时，我们称之为mask，即只指示某一特定类别所存在的区域。

高分辨率的结果如下图所示，不同的颜色代表不同的类别：

三、数据集

常见的语义分割算法属于有监督学习，因此标注好的数据集必不可少。

公开的语义分割数据集有很多，目前学术界主要有三个benchmark（数据集）用于模型训练和测试。

第一个常用的数据集是Pascal VOC系列。这个系列中目前较流行的是VOC2012，Pascal Context等类似的数据集也有用到。

第二个常用的数据集是Microsoft COCO。COCO一共有80个类别，虽然有很详细的像素级别的标注，但是官方没有专门对语义分割的评测。这个数据集主要用于实例级别的分割以及图片描述。所以COCO数据集往往被当成是额外的训练数据集用于模型的训练。

第三个数据集是辅助驾驶（自动驾驶）环境的Cityscapes，使用比较常见的19个类别用于评测。

可以用于语义分割训练的数据集有很多，

• Pascal Voc 2012：比较常见的物体分类，共21个类别；

• MS COCO：由微软赞助，几乎成为了图像语义理解算法性能评价的“标准”数据集，共80个类别；

• Cityscapes：包含50个欧洲城市不同场景、不同背景、不同季节的街景的33类标注物体；

• Pascal-Context：对于PASCAL-VOC 2010识别竞赛的扩展，共59个类别；

• KITTI：用于移动机器人及自动驾驶研究的最受欢迎的数据集之一，共11个类别；

• NYUDv2：2.5维数据集，它包含1449张由微软Kinect设备捕获的室内的RGB-D图像；

• SUN-RGBD：由四个RGB-D传感器得来，包含10000张RGB-D图像，尺寸与PASCAL VOC一致；

• ADE20K_MIT：一个场景理解的新的数据集，这个数据集是可以免费下载的，共151个类别。

数据集有很多，本系列教程不局限于具体数据集，可能也会用到Kaggle比赛之类的数据集，具体每个数据集怎么处理，数据集的格式是什么样的，后续文章用到什么数据集会具体讲解。

四、GPU机器

对于语义分割任务，有个带有 高端GPU显卡 的机器还是非常有必要的，如果没有，训练收敛会很慢。

最佳的开发环境为 Linux ，因为在公司的日常工作，基本都是使用 Linux 云服务器进行模型开发的工作，提前适应Linux操作系统还是有好处的。

对于学生党，如果实验室是做深度学习方向研究的，并且资源完备，那么GPU服务器应该还是能有的，对于GPU服务器的问题不用愁。

但可能由于条件限制，实验室没有配备GPU服务器，还想学习深度学习相关的知识，有三种方法：

1、免费云服务器Google Colab

勉强可以一用的是Google Colab，它是一个Google提供的 免费GPU服务器 ，提供的GPU算力还算可以，但是它的主要问题在于 需要翻墙 和 存储空间小 ，Google Colab的存储空间是通过挂载Google Drive得到的，Google Drive只提供15G的免费存储空间，想要扩展空间，还是需要花钱的。

想使用免费云服务器Google Colab的，可以自行百度教程。

2、阿里云付费GPU云服务器

阿里云提供GPU云服务器资源，有两种付费模式：包月和按流量付费。有P4服务器，甚至吊炸天的V100服务器。性能强劲，价格也很感人，两个字形容就是 很贵 ，个人使用者并不推荐购买。除了阿里云提供GPU云服务，腾讯、百度、华为都有相应的服务，但是都很贵。

3、配置一台电脑主机

可以自己配置一台台式主机，也算是对自己的一种投资。配置一台 不错的 ，可以用于深度学习训练的主机需要 6000元 左右。

深度学习的训练 很依赖显卡 的性能，因此需要配置一个较好的N卡，也就是NVIDIA的显卡，选显卡的技巧就是看下显卡天梯图 （ 点击查看 ）：

这个显卡天梯图主要包括的是 市面常用 的显卡排名，不包括类似V100这样的价格上10万的显卡。

天梯图，越靠上，显卡的性能越高， 不要选择右侧的AMD显卡 ，虽然性能好，但A卡是不支持CUDA的。

根据自己的预算，选择显卡，显卡的显存尽量选择 8G以上 的，深度学习模型训练很吃显存资源。

本人买了微星的 RTX 2060 Super ，买时的价格是 3399元 ，显卡很不保值，价格会随时间越来越低。

配置电脑其实能写很多，比如CPU、电脑主板、电源、内存、散热器的选择等，这里就不扩展了。没有精力自己组装台式机的，可以直接买配备相应显卡的台式机，但价格相对自己组装的台式机，价格会贵一些。

五、开发环境搭建

有条件 的，推荐使用Ubuntu系统配置开发环境，Ubuntu是Linux的一个发行版之一，适合新手，界面友好，操作简单。

由于本人购买的电脑主板，不支持Linux架构的系统安装，因此后续会以Windows作为开发环境，但这并不影响算法原理与代码的讲解。

本人的台式机配置情况：

CPU：Intel i7 9700k

显卡：RTX 2060 Super

系统：Windows 10

安装好Windows系统和必要的驱动后，需要安装的 工具 有：CUDA、Anaconda3、cuDNN、Pytorch-gpu、Fluent Terminal（可选）。

1、CUDA

CUDA，是显卡厂商NVIDIA推出的运算平台。我们需要根据自己显卡的型号选择支持的CUDA版本，例如RTX 2060 Super支持CUDA 10：

下载地址： 点击查看

安装好后，需要再配置下系统的环境变量，电脑->鼠标右键->属性->高级系统设置->环境变量->Path：

添加自己的NVSMI路径到环境变量中，我采用的是默认安装地址：

配置好后，就可以在cmd中使用nvidia-smi指令查看显卡了。

2、Anaconda3

Anaconda是 Python 的包管理器和环境管理器，可以方便我们安装Python的第三方库。 下载地址： 点击查看

选择Python 3.7的版本，安装也很简单，傻瓜式下一步即可。

安装好后，需要添加系统环境变量，方法与安装CUDA时一样：

<span><span>D:\Anaconda</span></span>

<span><span>D:\Anaconda\Scripts</span></span>

路径改为自己安装的Anaconda路径即可。

配置好后，在cmd中运行conda -V没有报错，有版本信息输出，说明配置成功。

3、cuDNN和Pytorch安装

cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。

安装好Anaconda之后，可以使用conda安装cuDNN和Pytorch。

打开Anaconda Prompt，这是Anaconda自带的命令行工具，先一定要用这个工具创建环境，直接用系统自带的cmd，可能遇到一些奇怪的问题，例如CondaHTTPError的错误。在Anaconda Prompt中输入：

<span><span>conda create -n your_name jupyter notebook</span></span>

这句话的意思是创建一个名字为your_name的虚拟环境，并且这个虚拟环境额外安装jupyter notebook第三方库。可以将your_name改为你自己喜欢的名字，这个名字是你的虚拟环境的名字，自己随便取，比如jack。

随后，输入y进行安装：

安装好后，可以通过指令conda info -e查看已有环境情况。

从上图可以看到，有两个环境，一个是base，自带的基础环境，另一个是我们新创建的名为jack的环境。新建环境的原因是，我们可以分开管理我们配置的环境。

安装好环境后，我们就可以激活jack环境，并安装cuDNN和GPU版的Pytorch了。激活名为jack的环境：

activate jack

可以看到，我们的环境由base变成了jack。在jack环境中安装cuDNN：

<span><span>conda install cudnn</span></span>

安装cuDNN好后，安装Pytorch，打开Pytorch官网： 点击查看

根据自己的环境选择，选择好后，网页会自动给出需要运行的指令。这里可能需要区分下Python的版本和CUDA的版本。

Python版本查看方法：直接在命令行中输入python，会看到Python的版本。

CUDA版本查看方法，在命令行中输入nvidia-smi：

确定好版本后，就可以通过Pytorch官网提供的指令安装GPU版本的Pytorch了。

至此，基础的环境搭建已经完成，恭喜。

4、Fluent Terminal

基础环境配好了，正常使用已经够了。

但是追求颜值的人，可能会觉得，Windows自带的命令行工具和Anaconda提供的命令行工具都太丑了。

有没有好看，又好用的Terminal？答案是有的，不过需要自己配置，并且还有一些坑需要慢慢踩。

例如Fluent Terminal，它是现代的、也是我比较推荐的终端工具。它是专属于 Windows 平台，并利用UWP技术打造的颜值超高的终端模拟器。先看下颜值：

喜欢折腾的，可以看看这几篇文章：

告别 Windows 终端的难看难用，从改造 PowerShell 的外观开始

像MAC一样使用win10的Terminal

这种美化的工具有很多，需要自行探索，由于本文不是专门针对Terminal的美化文章，就不用过多篇幅介绍这些美化工具了。喜欢折腾的，可以根据自己的需求自行百度。

六、小结

本文介绍了语义分割的基础知识与开发环境的搭建，该系列的下一篇文章会具体讲解UNet的算法原理以及训练代码。

文章转自盆友，感兴趣的朋友可以先加其微信进行关注。

扫码关注我们

公众号 : 计算机视觉研究院

扫码回复： 往期推荐 ，获取更多深度学习领域链接