训练分割时tools/train文件找不到

[optimus20]

请问训练分割时tools/train文件在哪

[DotWang]

@optimus20 看readme，很明显tools/train是openmmlab系列工具的路径

[optimus20]

好的，我想问下一个实验现象：我之前在一个400g的遥感数据集上做了多标签分类任务，vit-b可以很好的训练，但改成像素级分割后vit网络难以收敛，正确率很低，调参数也没有用，我是直接改掉了网络的分类头，对特征层进行上采样到原图大小，请问会是网络架构有问题吗？这是我对vit最后一层做的修改

[DotWang]

@optimus20 这不就是FCN-16s吗，效果不会太好，我们做分割都是后边接个unet/upernet这种

[optimus20]

好的，我这个目前训练出来MIOU几乎为0，这个效果是不是太差了，我加载我那个数据集预训练的MAE后也没有任何提升。现在时间比较紧所以想试一个最可能成功的方法。请问这种情况在我目前代码里修改分割头就能解决吗，调参会导致网络性能从不work到work吗

[DotWang]

@optimus20 你直接用我们的代码，拿mmseg跑一下vit-upernet，不需要改模型结构，只需要动config，这样是最快的；另外，如果为0的话，很可能是标签有问题

[optimus20]

标签存储的格式是512*512的，读取出来是0~10，debug看的应该没问题，然后训练时将网络输出的[4, 3, 512, 512]和标签[4, 512, 512]做dice-loss，会有什么问题呢

[DotWang]

@optimus20 你精度为0，那不就说明一点也没预测对吗，就算都预测成同一类也不是0啊，另外0-10类预测出来不应该是[4, 11, 512, 512]吗，还有就是多类分割一般是CE loss，dice loss最多打个辅助，甚至可以不加

[optimus20]

抱歉刚刚打错了，我看挺多分割loss用的是dice, 那多类CE-LOSS的输入特征和标签都应该是[4,11,[512*512]]的三维数组吗

[DotWang]

@optimus20 一样的，预测[4, 11, 512, 512]，标签[4, 512, 512]，不需要softmax

[optimus20]

网络最后一层不需要进行log_softmax吗

[DotWang]

@DotWang CE loss不需要，pytorch会自动进行

[optimus20]

你好，我使用的是武汉大学和中山大学新出的一个GLOBE230的数据集，比较新还没有人用过，你觉得这个标签看起来会有问题吗，比如类别不平衡之类

[optimus20]

您方便邮箱联系吗，后续还想向您请教遥感方面问题~

[DotWang]

@optimus20 看起来还好，不平衡这个问题存在也正常，分割数据集基本上都这样

[DotWang]

您方便邮箱联系吗，后续还想向您请教遥感方面问题~

可以的

[DotWang]

@optimus20 邮箱就在github首页的个人主页里边，这个仓库的readme最后也有

[Weeb-killer]

你好，请问如果我想用所给的已经微调过的在数据集上进行测试应该怎么使用

[DotWang]

@Weeb-killer 运行tool/test.py，见readme

[Weeb-killer]

感谢答复