一、任务管理器、NVDIA的GPU利用率显示[1][2]
若需要在任务管理器中查看基于Pytorch框架的GPU利用率,那么,我们需要将监控面板监测内容调整为cuda。图一(左)即为英伟达命令行工具面板。
图一 英伟达GPU使用率监控
二、基于混淆矩阵的语义分割评价指标计算
在语义分割数据集标签制作的过程中,我们通常根据分类类别数N来以0 --- (N-1)的整型数字标记不同的分类目标。通过图二可以看出,在相同预测模型且相同数据量的情况下,方法二评价指标计算效率高(较方法一节约了一半时间),同时,充分有效地利用了上述标签标记的机制。
方法二的混淆矩阵代码编写简述:首先,根据语义分割任务分类类别数N创建N×N(N行N列)的零矩阵,然后利用pytorch中的view()函数将单幅预测结果图及标签图分别展平为一行,再者利用Python的zip()函数组合对应像素的混淆矩阵坐标,最后根据混淆矩阵坐标不断循环加一即可。若混淆矩阵坐标为(预测值,标签值),则行号为预测结果,列号为真值。
图二 混淆矩阵生成与精度指标计算