Swin transformer--mmsegmentation v1.0环境配置和训练（pascal voc数据集）

本文选用mmlab的mmsegmentationv1.1.0的语义分割为例

1.配置环境要求

官网中的最低要求为cuda10.2+、pytorch1.8+、python3.7+.

配置mmsegmentation的环境主要是mmengine/mmcv/mmsegmentation的版本对应

最新安装文档，官方推荐使用mim进行安装，由于部分原因直接按照可能导致版本不对应。

mmsegmentation/docs/en/get_started.md at Main ·开放式实验室/毫米分割 ·GitHub

推荐手动进行指定版本进行安装减少报错。

mmcv	Installation — mmcv 2.1.0 documentation
mmengine	pip install mmengine==0.8.2
mmsegmentation	pip install mmsegmentation==1.1.1

mmcv可以通过手动下载.whl文件进行安装使用，下面是cu10.2+torch1.8的网站，根据自己的版本修改即可：

download.openmmlab.com/mmcv/dist/cu102/torch1.8/index.html

2.查看下载mmsegmantation文件中的环境需求版本

在./mmseg/__init__的目录下查看：

3.自己电脑的配置环境，亲测成功(windows)

	version1	version2
cuda	11.8	10.2
torch	2.0.0	1.8.0
torchvision	0.15.1	0.9.0
mmcv	2.0.1	2.0.1
mmengine	0.8.2	0.9.0
mmsegmentation	1.1.1	1.1.0

4.训练自己的数据集（pascal voc数据集格式）

• pascal voc数据集的准备

将labelme标注好的数据文件进行转换格式

文件夹	存放内容
ImageSets	train.txt/val.txt
JPEGImages	.jpg格式的原图
SegmentationClass	.png格式的mask掩码图

• 修改数据集位置

  configs_base_/datasets/pascal_voc12.py
  

• 修改类别以及对应的调色板

  file_path：mmseg/datasets/voc.py
  
  file_path：mmseg/utils/class_names.py
  

  

• 修改训练的类别个数

  文中使用下面路径中的文件作为参数配置文件：

  file_path："configs/swin/swin-tiny-patch4-window7_upernet_1xb8-20k_levir-256x256.py

  下面的路径修改训练的类别个数：

  file_path：./base/models/upernet_swin.py

  

• 训练的python命令

  python ./tools/train.py 
       configs/swin/swin-small-patch4-window7-in1k-pre_upernet_8xb2-160k_ade20k-512x512.py
       --work-dir /VisualGroup/share/qian/save_model/shang_gong_zhuang/chatou/2310201 
       --amp