代码拉取完成，页面将自动刷新
url=https://github.com/facebookresearch/detectron2
branch=master
commit_id=f5e4c452bba854b8ed14a7240f51720ca7857e91
pip3.7 install -r requirements.txt安装完其他依赖后，请使用代码仓中的源码编译安装detectron2：
source test/env_npu.sh
python3 -m pip install -e .
创建一个存放数据集的文件夹（如/root/datasets/cityscapes），再从cityscapes官网获取gtFine_trainvaltest.zip和leftImg8bit_trainvaltest.zip，将这两个压缩包解压到创建的文件夹中，随后参考detectron2官网的方法创建labelTrainIds.png ：
python3 createTrainLabelIds.py /root/datasets/cityscapes
wget https://ascend-pytorch-model-file.obs.cn-north-4.myhuaweicloud.com/%E9%AA%8C%E6%94%B6-%E8%AE%AD%E7%BB%83/cv/semantic_segmentation/PointRend/R-101.pkl
脚本默认权重文件位于工程根目录下，如果放在其他路径请在之后运行脚本时指定权重路径。
source test/env_npu.sh
# 1p train perf
bash test/train_performance_1p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
# 8p train perf
bash test/train_performance_8p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
# 1p train full
bash test/train_full_1p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
# 8p train full
bash test/train_full_8p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
# eval
bash test/train_eval_8p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
# finetuning
bash test/train_finetune_1p.sh --data_path=数据集路径(如/root/datasets) --pth_path=权重路径（非必需） --output_path=输出文件路径（非必需，默认为./output）
## PointRend training result
|IOU | FPS | Npu_nums | Steps | AMP_Type |
| :------: | :------: | :------: | :------: | :------: |
| 78.08 | 8.47 | 1 | 65000 | O1 |
| 77.58 | 29.01 | 8 | 65000 | O1 |
代码涉及公网地址参考 public_address_statement.md
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手