文章說明

文章分段

1. 文章說明
2. deeplab的簡單介紹、於我的意義
3. tensorflow的程式碼特色
4. 訓練流程的細節
5. 逛deeplab的github程式，順序：train.py model.py datasets/data_generator.py …

前情提要

從ep.8開始在講deeplab專案底下的dataset資料夾，一開始講的是build_voc2012_data.py，上一篇稍微講了程式的參數，還有到時候做成的tfrecord的資料結構，現在就繼續開始吧。

逛deeplab的github程式(cont.)

build_voc2012_data.py (cont.)

在看程式，尤其是看別人的寫的程式時，個人覺得最快且正確理解的做法，就是拿一份空的文檔，照著程式執行的順序打。

像是這份code第一個執行的功能是這裡，於是照著打程式的第一步就是先寫這裡，然後按照執行過後跳出的錯誤訊息，去補齊需要import的模組。之前好像有說過：run()預設會去執行同份檔案裡面，名稱是main()的副程式。

接著是用Glob把指定的list_folder資料夾裡所有結尾是.txt的檔，把這些.txt檔的路徑整理成list型態，然後依序去執行_convert_dataset()這個副程式。

_convert_dataset()只有一個參數，指名說現在處理出的tfrecord是屬於資料集的哪個類型。

然後有做了一個報錯，就是當遇到data與label的shape，舉例2d圖像的長、寬不同，或是3d影像的axis有出現對應不上的情況，就會報錯。

在來，98-99行就是用來貼心提醒的程式，按照他寫的邏輯，就是去print出list_folder底下扣除.txt部分的檔名。

接著100行則是打開一個txt檔，一樣按照他寫的方式，應該是用enter去分隔data的名字，所以用strip('\n')就可以把所有的data name放到filenames這個list中。

接著就是按照之前訂定的_NUM_SHARDS去確定說每個shard會被分到多少筆資料。

再來是build_data這個模組的class，透過ctrl+f找到build_data的import位置。

其實如果是我的話，我會把import package的部分改寫成這樣：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import math
import os.path
import sys
from six.moves import range

import tensorflow as tf

import build_data

最上面一組import是python原生的package；第二組是之後透過pip install下載的package；最後是自製的package。

這樣就可以馬上知道，build_data的程式，可以在跟這個檔案同層的資料夾找到。

於是接下來會稍微跳去build_data.py這個程式看一下。