keras 的 Deeplabv3+ 实现遇到的问题

代码大佬都已经写好了，具体参考：https://github.com/bonlime/keras-deeplab-v3-plus

git clone 下来以后，按照指南要训练自己的数据集，只要设置好自己的数据大小和类别就可以了

from model import Deeplabv3
deeplab_model = Deeplabv3(input_shape=(384, 384, 3), classes=4)

问题1：我的数据集不是一张张小图片，而是一个大的遥感影像tif，如何训练这个数据

解决：用 gdal 读取得到它的 np.array，再通过生成器一小块一小块输入

问题2：但是这样的生成器无法打乱顺序，把多景影像标签和图像 zip 起来后也无法用 random.shuffle 打乱图片顺序

解决：现在只能每次都按顺序读入，应该对训练影响不大

设想：后续想法是设置一个随机数列，根据这个随机数列读取指定大小范围，这样是把步长变为了1，会有好多样本

问题3：验证集和训练集只能按 tif 分，如何能随机取

设想：随机数列解决

问题4：运行一直报错，各种错，先后有

　　module 'tensorflow._api.v1.compat' has no attribute 'v1'

　　unsupported operand type(s) for /: 'Dimension' and 'float'

解决：直接 git clone 下来的是用最新版 tf2.0 写的，需要升级自己的 tf 或者用作者之前版本的实现，在这里用了之前版本的 keras 实现，在命令行输入一下代码

git clone https://github.com/bonlime/keras-deeplab-v3-plus/
cd keras-deeplab-v3-plus/
git checkout 714a6b7d1a069a07547c5c08282f1a706db92e20

问题5：写的生成器生成的标签最后一维是1，导致运行一直报错，维度不匹配

解决：这个写的是用了 one-hot 编码的，需要把标签转换成 one-hot，用 “ from keras.utils import to_categorical ”，to_categorical(x, num_classes=n)把 x 里从 0 到 n-1的值根据大小扩展到 n 维，若最大值和类别数目不同会报错

问题6：评价指标 loss 和各种系数不在正常范围内

解决：一开始以为是 one-hot 编码问题，一直尝试用 k.argmax 去得到1维的 tensor，死活弄不出来，报错有：数据类型不对，用 K.cast 强制转换解决，tensor 不能和数值相加，用argmax导致梯度无法回流等。睡了一觉想想不能用 argmax，他就是要在每一个维度上计算出相应指标再求平均，原来在不是 one-hot 编码里用的函数都还是对的，那问题出在老版本里最后没有用激活函数，给他加个激活函数以后一切都正常了。

问题7：作者说没有实现 weight_decay，需要的自己加

还未解决：不知道去哪加