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

git clone https://github.com/NVlabs/SegFormer.git
cd SegFormer

---

2. 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/segformer

---

3. 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(1.8.0+cu111)和torchvision(0.9.0+cu111)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 -n segformer python=3.8
conda activate segformer

# 安装包（需离线下载）
pip install torch==1.8.0+cu111-xxxx.whl
pip install torchvision==0.9.0+cu111-xxxx.whl
pip install mmcv_full-1.2.7-cp38-cp38-manylinux1_x86_64.whl

# 操作
cd SegFormer
pip install -e . --user

# 继续安装余下的包
pip install opencv-python==4.5.1.48
pip install IPython
pip install attr
pip install timm==0.3.2
pip install yapf==0.40.1
pip install numpy==1.23.5

---

5. 修改代码

待补充

---

6. 模型训练

python tools/train.pylocal_configs/segformer/B1/segformer.b1.512x512.ade.160k.py 

---

7. 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.pth

---

8. 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 --eval mIoU --show-dir ./seg_results

---