4090显卡配置官方SegFormer运行环境（包含预训练权重下载、环境配置、代码修改、运行 | 验证 | 测试）

SegFormer代码https://github.com/NVlabs/SegFormer论文https://arxiv.org/abs/2105.15203训练语义分割模型可以选择经典的SegFomer模型作为基准训练融合图像进行下游任务的测试。但是由于SegFormer的推出已有几年之久且官方似乎并没有继续维护代码因此在新设备上不是很容易运行。1.下载官方代码gitclone https://github.com/NVlabs/SegFormer.gitcdSegFormer2. 预训练权重下载官方提供的预训练权重已失效无法下载。我们可以在对应网站下载预训练的b1权重然后放到SegFomer/pretrained/中下载地址https://github.com/open-mmlab/mmsegmentation/tree/main/configs/segformer3. 环境配置-准备由于官方推荐的是cuda10.1但4090显卡已然不支持对应的老版本cuda因此环境容易报错。我们用下面的环境进行安装关键就是下载对应的torch版本和mmcv_full版本torch离线版本下载https://download.pytorch.org/whl/(选择torch(1.8.0cu111)和torchvision(0.9.0cu111)下载对应版本)mmcv_full离线下载https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html下载完对应离线包之后把它上传到服务器中4. 环境配置-安装# 创建环境conda create-nsegformerpython3.8conda activate segformer# 安装包需离线下载pipinstalltorch1.8.0cu111-xxxx.whl pipinstalltorchvision0.9.0cu111-xxxx.whl pipinstallmmcv_full-1.2.7-cp38-cp38-manylinux1_x86_64.whl# 操作cdSegFormer pipinstall-e.--user# 继续安装余下的包pipinstallopencv-python4.5.1.48 pipinstallIPython pipinstallattr pipinstalltimm0.3.2 pipinstallyapf0.40.1 pipinstallnumpy1.23.55. 修改代码待补充6. 模型训练python tools/train.pylocal_configs/segformer/B1/segformer.b1.512x512.ade.160k.py7. 模型验证python tools/test.py local_configs/segformer/B1/segformer.b1.512x512.ade.160k.py /home/yida/PyCharmProject/Comparison/SegFormer/work_dirs/segformer.b1.512x512.ade.160k/latest.pth8. 模型推理python tools/test.py local_configs/segformer/B1/segformer.b1.512x512.ade.160k.py work_dirs/segformer.b1.512x512.ade.160k/latest.pth--evalmIoU --show-dir ./seg_results