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/88189927
https://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：
