ZoeyImage

這一篇是想訓練cityscapes的資料庫， 紀錄訓練過程的一些小碰撞 1. 首先是 copy 了 voc-fcn32s/ 的檔案， . ├── infer.py ├── net.py ├── voc_layers.py ---> new add cityscapes_layers.py ├── score.py ├── snapshot   ---> cteate snapshot/train ├── solve.py ├── solver.prototxt ├── surgery.py ├── train.prototxt └── val.prototxt 2. datasets cityscapes-dataset download grFine.zip and leftImg8bit.zip 6. Result 512x512 fcn32s mean acc. and mean IU 太低 >>> 2019-12-11 22:45:07.762072 Begin seg tests >>> 2019-12-11 22:45:41.055221 Iteration 100000 loss 126417.949921875 >>> 2019-12-11 22:45:41.055304 Iteration 100000 overall accuracy 0.602877947321908 >>> 2019-12-11 22:45:41.055342 Iteration 100000 mean accuracy 0.09731878508947552 >>> 2019-12-11 22:45:41.055503 Iteration 100000 mean IU 0.061253671561096214 >>> 2019-12-11 22:45:41.055591 Iteration 100000 fwavacc 0.3756002265727415 real    312m59.278s --> 5 hours user    251m9.625s sys    60m

這一篇是想訓練fcn.berkleyvision.org/pascalcontext-fcn32s 一直覺得voc-fcn32s應該是有仇吧＠＠ 換個試試，只要收斂一次，就在試看voc-fcn32s使用的dataset! 1. github : fcn. berkelyvision https://github.com/shelhamer/fcn.berkeleyvision.org.git  2. dataset , 下載了四個檔案 ├── data │   ├── pascal-context │   │   ├── 59_context_labels │   │   ├── 59_context_labels.tar.gz │   │   ├── 59_labels.txt    ---> (copy from classes-59.txt, 懶的改code) │   │   ├── classes-400.txt │   │   ├── classes-59.txt │   │   ├── labels.txt           ---> (labels.txt add label 0 --> 0: background ) │   │   ├── README.md │   │   ├── trainval │   │   ├── trainval.tar.gz │   │   ├── VOCdevkit │   │   ├── VOCdevkit_08-May-2010.tar │   │   └── VOCtrainval_03-May-2010.tar dataset VOC2010 http://host.robots.ox.ac.uk/pascal/VOC/voc2010/#devkit  VOCtrainval_03-May-2010.tar  VOCdevkit_08-May-2010.tar  $ tar xvf VOCdevkit_08-May-2010.tar  tranval and labels  http://www.cs.stanford.edu/~roozbeh/pascal-context/   59_context_labels.tar.gz t

這一篇是想訓練fcn.berkleyvision.org/voc-fcn32s, 但是照著網路教學，瞎跑都不能得到低的 loss 跟 高 mean accuracy 藉此想po,紀錄想明白自己的盲點，照著做不會成功的，還沒成功過哈， （成功了11/29） 如果好心人經過可以指點一二，真心感激不盡～ 1. github : fcn. berkelyvision https://github.com/shelhamer/fcn.berkeleyvision.org.git 2. dataset ├── data │   ├── pascal │   │   ├── classes.txt │   │   ├── README.md │   │   ├── seg11valid.txt README.md 有提供下載以下兩個資料庫的網址 test dataset:  VOCtrainval_11-May-2012   training dataset :  benchmark.tgz   (我是從官網下載，有一天連進去就載下來了)  ilsvrc-nets/README.md 有寫 VGG_ILSVRC_16_layers_deploy.prototxt   caffemodel_url: http://www.cs.bu.edu/groups/ivc/data/SOS/VGG16_SalObjSub.caffemodel  https://gist.github.com/jimmie33/27c1c0a7736ba66c2395 3.  copy 以下檔案到voc-fcn32s/ fcn.berkeleyvison ├── infer.py ├── score.py ├── surgery.py ├── vis.py ├── voc_layers.py  voc-fcn8s ├── voc-fcn8s │   ├── deploy.prototxt  4. 修改每個檔案的紀錄, voc-fcn32s/ ├── caffemodel-

0.新酷音 hime   https://blog.jaycetyle.com/2018/06/hime/ 1. CompizConfig Settings Manager    這個可以自由的把視窗設定快捷鍵，然後直接左右移！    很方便。    安裝18.04方式     安裝11.04方式     不能用 麻煩....give up 2.vimdiff 設定 3.vscode pluggin   AL code outline   vscode-flow-ide   bookmarks 4.codeblock 5.opencv 6.opengl 7.git 8. Gtkterm 9.VLC 10. dropbox https://linoxide.com/linux-how-to/install-dropbox-ubuntu/ 11.samba 12.scp ipaddress:/etc/host .     可以把別台電腦路徑的檔案複製到本機 13.Oklular -- pdf reader http://david50.pixnet.net/blog/post/24774313-okular---linux%E4%B8%AD%E5%A5%BD%E7%94%A8%E7%9A%84pdf%E7%80%8F%E8%A6%BD%E8%BB%9F%E9%AB%94 14.pdf mod 可以製作書籤，存檔之後其他閱讀器都可以直接支援使用。 PDF Mod PDF Mod 是 GNOME 桌面環境下的 PDF 檔案編輯程式，這個應用程式是以 C# 語言配合 Poppler 、 PDFsharp 、 Mono 、Gtk#、 Cairo 與 Banshee's Hyena 函式庫編寫而成，他的功能與 PDF-Shuffler 類似，但是其功能更多，除了對 PDF 的每一頁做旋轉、切割或重新排序外，還可以編輯 PDF 的書籤、metadata（author, title, subject and keywords）等，另外其使用者介面也做的更好，有許多選項可用，操作起來也很直覺，若是一般的 GNOME 桌面使用者筆者很推薦使用 PDF Mod。 在 Ub