Cityscapes:适用于汽车自动驾驶的训练数据集，包括19种都市街道场景：road、side-walk、building、wal、fence、pole、traficlight、trafic　signvegetation、terain、sky、person、rider、car、truck、bus、train、motorcycle 和bicycle。该数据库中用于训练和校验的精细标注的图片数量为3

Cityscapes:适用于汽车自动驾驶的训练数据集，包括19种都市街道场景：road、side-walk、building、wal、fence、pole、traficlight、trafic　signvegetation、terain、sky、person、rider、car、truck、bus、train、motorcycle 和bicycle。该数据库中用于训练和校验的精细标注的图片数量为3

【代码】python: npy数据写入excel文件。

允许加载过程中出现不匹配的键。但请注意,仍然需要确保模型中的主要参数能够正确加载，以确保模型的有效性。

搭建深度学习环境1. 下载与安装anacondawget是一个下载文件的工具wget https://repo.anaconda.com/archive/Anaconda3-2019.10-Linux-x86_64.sh安装命令sh Anaconda3-2019.10-Linux-x86_64.sh检查是否安装成功conda info问题（这个问题不一定出现）：安装完anaconda3或者mini

通过Origin提取图片数据

import torchimport lpips# from IPython import embedimport osuse_gpu = False# Whether to use GPUspatial = True# Return a spatial map of perceptual distance.# Linearly calibrated models (LPIPS)loss_fn =

解决Overleaf上的计算机学报乱码和跨页问题

方法一： 保存模型和模型参数torch.save( network, savePath )def save_network( save_dir, network, network_label, epoch_label):save_filename = '%s_net_%s.pth' % (epoch_label, network_label)save_path = os.path.join(sav

torchvision.utils.save_image(img, imgPath)深度学习模型中，一般使用如下方式进行图像保存(torchvision.utils中的save_image()函数），这种方式只能保存RGB彩色图像，如果网络的输出是单通道灰度图像，则该函数依然会输出三个通道，每个通道的数值都是相同的，即“伪灰度图像”，虽然从视觉效果上看不出区别，但是图像所占内存比正常情况大了两倍。