Paddle项目调试记录

PaddlePaddle是百度公司提出的深度学习框架。近年来深度学习在很多机器学习领域都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。

写在前面

首先我们先去下载github下载源码：

https://github.com/PaddlePaddle

随后我们进入Paddle的官网地址 (很重要）

https://www.paddlepaddle.org.cn/

这里一定要按照官网给出的版本进行对应。

前期准备

博主先前装的是CUDA11.7，但总是出问题，根本原因是这个CUDA是打游戏时使用的，而非我们在做专业计算时使用的，随后博主安装的CUDA版本为11.6，对应的cudnn为8.4。
具体安装教程可以参考博主这篇博文：

https://blog.csdn.net/pengxiang1998/article/details/127673591

CUDA下载地址：

https://developer.nvidia.com/cuda-toolkit-archive

cudnn下载地址：

https://developer.nvidia.com/rdp/cudnn-archive

值得一提的是，CUDA的安装与你的显卡以及系统版本有关，比如30系显卡只能安装CUDA11以上，而 CUDA11.2 最高只能支持到 Windows10 版本
将这些CUDA环境安装好后我们就可以开始配置对应的CUDA虚拟环境了。

环境配置

首先是创建cuda环境

conda create  -n paddle python=3.7

随后切换到项目主目录，安装requirement中指定的依赖包

pip install -r requirements.txt --index-url https://pypi.douban.com/simple

这个时间可能需要很久，耐心等待。
此时我们可以另开一个cmd窗口来安装paddle，大家按照官网给定的版本命令来执行即可，博主是CUDA11.6

conda install paddlepaddle-gpu==2.4.2 cudatoolkit=11.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge 

随后安装完成，此时我们的环境就基本没有什么问题了，接下来便是调试程序了。

代码调试

paddle中给我们了详细的步骤，我们安装其要求来即可。（呜呜呜，虽然如此，这个项目连同环境配置到代码调试花费了我一整天的时间）
首先是数据集准备，博主使用的是Cityscapes数据集。
在这里博主用血和泪的教训告诉大家一定要了解你所用的数据集，否则你会遇到许多不必要的麻烦。

数据集介绍

Cityscapes大致有两个数据集，分别为精细的标注数据集（3475张训练图像，1525张测试图像）和粗糙的标注数据集（3475+19888张额外的粗糙标注），共19个类别，我们一般只使用精确的那个。

该数据集下载时需要使用到一个edu邮箱账号，如果没有的话可以去淘宝上买一个，或者找下网盘资源。
下载完成后主要用到的就是这两个文件，分别是语义分割的标注文件与图像数据。

随后通过paddle项目中的tools/data/create_dataset_list.py来生成数据集，修改下数据集的地址与对应的format即可：

format是图片匹配格式，即根据图像后缀名匹配

生成格式为：

源数据图像 标注数据图像

分别生成train.txt,val.txt.test.txt文件在你指定的数据集目录下。

随后便是数据集配置文件的修改了，按照官方给出的提示，在config/quick_start/pp_liteseg_optic_disc_512x512_1k.yml内修改，这里可以自己如果使用自己的数据集再重新创建一下即可。
主要修改这里即可：

随后在train.py中指定一下数据集路径即可，然后我们便可以进行运行了。运行成功。

至于val.py，将数据集地址修改后也是手到擒来。