路径相关的问题

[diehualong]

作者您好。我在阅读代码的过程中，发现处理数据集后保存的文件夹名称是hanchuan_15等。如下图所示。

但是，在训练部分代码中，读取数据集的路径中出现了一个whuhi_image_2percent的文件夹，这个文件夹是怎么得到的呢？

[DotWang]

@diehualong 上图是在windows电脑上将高光谱变成三波段图像保存到hanchuan_15文件夹，下图是在Linux服务器上读取文件夹中的图片，为了与原有高光谱数据集区分，该hanchuan_15文件夹放在whu_hi新建的whuhi_image_2percent文件夹下

[S-haaaaa]

作者您好。我在调试训练的时候，出现了whuhi_image_2percent文件夹。文件夹里的图片怎么获取呢？是否可以提供完整的源代码？

[S-haaaaa]

作者你好。这个包的问题应该怎么解决？

[DotWang]

@19979548798 注释掉，DCN-T用不到这俩

[DotWang]

@19979548798 请问这是哪个文件里边的？

[S-haaaaa]

@19979548798 请问这是哪个文件里边的？
开源文件里面有好多文件夹都没给出，都不知道这整个项目得文件夹层级结构。

WHU-HIi.py文件里面出现的，这个文件夹里面的图片应该怎么获取呢？

这个是骨干网络swin里面的，注释了后面有会调用这个会报错

[DotWang]

@19979548798 第一张图，你把WHU-Hi数据集下下来看看他的文件夹结构就知道了；

第二、三张图，swin这个模型代码应该是从我们其他用了mmseg, mmcv系列的项目中拿过来的，而我的项目都共用一套环境，所以可能我没发现报错，这个解决方法有两种，第一种是你参考一下我github首页这几个跟遥感大模型相关的仓库，就知道mmcv和mmseg怎么用了，第二种是，load_checkpoint其实和torch.load是一个意思，这部分代码你重构一下

[S-haaaaa]

@19979548798 第一张图，你把WHU-Hi数据集下下来看看他的文件夹结构就知道了；

第二、三张图，swin这个模型代码应该是从我们其他用了mmseg, mmcv系列的项目中拿过来的，而我的项目都共用一套环境，所以可能我没发现报错，这个解决方法有两种，第一种是你参考一下我github首页这几个跟遥感大模型相关的仓库，就知道mmcv和mmseg怎么用了，第二种是，load_checkpoint其实和torch.load是一个意思，这部分代码你重构一下
whuhi_image_2percent文件夹里面的.png图片没有，WHU-Hi数据集里面只有三个区域d的mat文件

[DotWang]

@19979548798 可以参考一下swin.py

    def init_weights(self, pretrained):

        ckpt = torch.load(pretrained, map_location='cpu')
        
        if 'state_dict' in ckpt:
            _state_dict = ckpt['state_dict']
        elif 'model' in ckpt:
            _state_dict = ckpt['model']
        else:
            _state_dict = ckpt

        state_dict = OrderedDict()
        for k, v in _state_dict.items():
            if k.startswith('backbone.'):
                state_dict[k[9:]] = v
            else:
                state_dict[k] = v

        # strip prefix of state_dict
        if list(state_dict.keys())[0].startswith('module.'):
            state_dict = {k[7:]: v for k, v in state_dict.items()}

        # reshape absolute position embedding
        if state_dict.get('absolute_pos_embed') is not None:
            absolute_pos_embed = state_dict['absolute_pos_embed']
            N1, L, C1 = absolute_pos_embed.size()
            N2, C2, H, W = self.absolute_pos_embed.size()
            if N1 != N2 or C1 != C2 or L != H * W:
                warnings.warn('Error in loading absolute_pos_embed, pass')
            else:
                state_dict['absolute_pos_embed'] = absolute_pos_embed.view(
                    N2, H, W, C2).permute(0, 3, 1, 2).contiguous()

        # interpolate position bias table if needed
        relative_position_bias_table_keys = [
            k for k in state_dict.keys()
            if 'relative_position_bias_table' in k
        ]

        for table_key in relative_position_bias_table_keys:
            table_pretrained = state_dict[table_key]
            table_current = self.state_dict()[table_key]
            L1, nH1 = table_pretrained.size()
            L2, nH2 = table_current.size()
            if nH1 != nH2:
                warnings.warn(f'Error in loading {table_key}, pass')
            elif L1 != L2:
                S1 = int(L1**0.5)
                S2 = int(L2**0.5)
                table_pretrained_resized = F.interpolate(
                    table_pretrained.permute(1, 0).reshape(1, nH1, S1, S1),
                    size=(S2, S2),
                    mode='bicubic')
                state_dict[table_key] = table_pretrained_resized.view(
                    nH2, L2).permute(1, 0).contiguous()

        # print('##############')

        # print(self.state_dict().keys())

        # print('$$$$$$$$$$$$$$')

        # print(state_dict.keys())

        # load state_dict
        msg = self.load_state_dict(state_dict, False)
        print(msg)

[DotWang]

@19979548798 。。你看论文了吗，将高光谱数据集转换成RGB图像是我们的创新点之一，原始WHU-Hi当然没有，这部分代码我放在jupyter notebook里了，你看看readme

[DotWang]

@diehualong 上图是在windows电脑上将高光谱变成三波段图像保存到hanchuan_15文件夹，下图是在Linux服务器上读取文件夹中的图片，为了与原有高光谱数据集区分，该hanchuan_15文件夹放在whu_hi新建的whuhi_image_2percent文件夹下

@19979548798