Pixellib语义分割

文章讲述了在安装Pixellib库时遇到的问题,包括PIP版本不兼容和Tensorflow模块未找到的错误。作者通过升级PIP,使用国内镜像源加速Tensorflow的安装,最终成功安装并运行Pixellib进行语义分割操作。

起源:

下午正上着班,读研的朋友突然滴滴我,问我会不会Pixellib

当时我的内心os:啥玩意pixellib,我只测过Google pixel机型。

但我想好家伙我好歹计算机的,不会也得说会!!!!!!为了尊严而战!!

不就是安个pixellib吗?不就是做个语义分割么!拿来我这不就是手拿把掐!!!!

首先pixellib库安装:

pycharm打开底部terminal

命令行输入

pip install pixellib

这里需要注意PIP版本的问题,可能会出现不兼容的情况,根据报错提示把PIP版本进行一个升级

升级成功后再次输入 pip install pixellib,出现以下提示就是pixellib安装成功啦

紧接着创建python file ,代码如下

import  pixellib
from pixellib.semantic import semantic_segmentation

#image
segment_image = semantic_segmentation()
segment_image.load_ade20k_model("deeplabv3_xception65_ade20k.h5")
segment_image.segmentAsPascalvoc("C:/Users/GLORIA/Desktop/sample.jpg",
                                 output_image_name = "C:/Users/GLORIA/Desktop/image_new.jpg",
                                 overlay = True)

tensorflow安装

结果还是出现报错提示,ModuleNotFoundError: No module named 'tensorflow'

 这才发现忘记装tensorflow了

再次打开terminal 输入:pip install tensorflow

此时需要注意,这个命令下载会很慢很慢,大概一两个小时,如果你不着急可以慢慢等

但是!!!!我着急啊!!!!

然后我就在搜索万能的csdn,找到了一个大佬的分享

原链接在这里:下载tensorflow速度慢怎么办?_tensorflow下载太慢_fanfanbaobao的博客-CSDN博客

 为了方便大家看,我就把代码粘贴出来了

有三个国内镜像下载很快的,三选一就行

pip install tensorflow -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/ --trusted-host pypi.tuna.com
pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host pypi.aliyun.com
pip install tensorflow -i https://pypi.douban.com/pypi/simple/ --trusted-host pypi.douban.com

全部安装完毕之后

导入代码

import  pixellib
from pixellib.semantic import semantic_segmentation

#image
segment_image = semantic_segmentation()
segment_image.load_ade20k_model("deeplabv3_xception65_ade20k.h5")
segment_image.segmentAsPascalvoc("C:/Users/GLORIA/Desktop/sample.jpg",
                                 output_image_name = "C:/Users/GLORIA/Desktop/image_new.jpg",
                                 overlay = True)

跑起来吧!!

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值