码字不易，喜欢的请点赞收藏！！！！！

论文全文翻译：【freespace】TwinLiteNet: An Efficient and Lightweight Model for Driveable Area and Lane Segmentation_莫克_Cheney的博客-CSDN博客

目录

码字不易，喜欢的请点赞收藏！！！！！

1、下载代码

2、解压缩

3、建立conda环境

 4、验证环境

5、复制环境

6、安装依赖

 7、测试

8、训练

---

1、下载代码

代码地址：https://github.com/chequanghuy/TwinLiteNet

2、解压缩

3、建立conda环境

我个人先建立起一个基础环境，然后复制为twinlitenet环境，大家可以直接建立环境

conda create -n baseenv python=3.8

conda activate baseenv

安装pytorch， torchvision， torchaudio等废了好大劲，传统搜索出的安装命令，不是太慢，就是安装错了，安装的cpu版本的torch，只有这一句，能够省时省力，正确安装。

 pip3 install torch==1.10.0 torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

 4、验证环境

环境安装好了，我们来验证下

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

5、复制环境

conda create -n twinlitenet --clone baseenv

6、安装依赖

pip install -r requirements.txt -i https://pypi.douban.com/simple/

感觉对应的包没有必要和作者完全一致，能够安装上即可，自己和自己安装的版本不冲突即可

因为我们之前安装完成了torch，torchvision，所以要把它们两个删掉，另外torchtext对torch的版本有要求，要一并考虑。

 7、测试

先建立结果文件夹

mkdir results

使用如下语句运行测试程序，调用的是'pretrained/best.pth'这个模型，运行的原图在images里，结果图存在results里

python test_image.py

结果示意图如下，蓝色的是可行驶区域，绿色的是车道线：

8、训练

下载数据集，后面两个标签需要科学上网：

- 下载images (https://bdd-data.berkeley.edu/)

- 下载可通行区域的标签[segments](https://drive.google.com/file/d/1xy_DhUZRHR8yrZG3OwTQAHhYTnXn7URv/view?usp=sharing)

 不用科学上网的备选：https://download.csdn.net/download/herocheney/88189927https://download.csdn.net/download/herocheney/88189927

- 下载车道线的标签 [lane](https://drive.google.com/file/d/1lDNTPIQj_YLNZVkksKM25CvCHuquJ8AP/view?usp=sharing).

  不用科学上网的备选：https://download.csdn.net/download/herocheney/88189953https://download.csdn.net/download/herocheney/88189953

 按照如下目录链接存放：

放好数据集后，更改DataSet.py里的数据集路径，改为你自己的路径：

 conda activate twinlitenet

python train.py即可开始训练：