参考文章及其源码：憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型（划分斑马线）_Bubbliiiing的学习小课堂-CSDN博客憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型（划分斑马线）学习前言模型部分什么是DeeplabV3+模型DeeplabV3+模型的代码实现1、主干模型Xception。2、DeeplabV3+的Decoder解码部分代码测试训练部分训练的是什么1、训练文件详解2、LOSS函数的组成训练代码1、文件存放方式2、训练文件3、预测文件训练结果学习前言Deep...https://blog.csdn.net/weixin_44791964/article/details/103017389?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163274039616780366550654%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163274039616780366550654&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-103017389.pc_search_all_es&utm_term=deeplabv3&spm=1018.2226.3001.4187
1、现阶段多数deeplabv3源码在TF2.x上并不适用。
解决方法：建立TF1.14环境，配置对应keras与cuda等。
具体步骤：
①利用Acaconda建立虚拟环境：
conda create -n TF1.14 python==3.6 conda activate TF1.14 conda install cudatoolkit=10.0 #gpu操作 conda install cudnn=7.4 #gpu操作 conda install tensorflow-gpu==1.14 #可在此处添加镜像加速 python import tensorflow as tf tf.__version__ #检验
②pycharm遇到bug以及解决办法（终端安装相关包）
No module named 'keras'：pip install keras==2.2.5
No module named 'PIL'：pip install pillow
AttributeError: 'str' object has no attribute 'decode'：pip install h5py==2.10
（可在yolov5文章找到pip安装镜像加速链接）
③开始训练模型
由于TF2.x推出较近，许多模型都无法适用，所以在使用TF基础上的模型时一定要注意其所需要的环境，正确的环境可以减少大量时间的浪费！
