## 1. 环境搭建与依赖安装 在PyCharm里跑通SegFormer训练流程，第一步不是急着写代码，而是把地基打牢。我踩过太多坑了——有次因为mmcv版本不匹配，调试了整整两天才定位到是CUDA编译器和PyTorch的ABI不一致。所以别跳步，按顺序来。 先确认你的显卡驱动和CUDA版本。打开终端输入`nvidia-smi`，右上角显示的CUDA Version是系统支持的最高版本，不是你当前安装的版本。比如它显示12.2，说明你可以装CUDA 12.2或更低版本的toolkit。接着查PyTorch官网，找对应CUDA版本的安装命令。我目前主力用的是CUDA 11.8 + PyTorch 1.13.1，这个组合在SegFormer上最稳，显存占用比新版本低15%左右。 在PyCharm中新建项目时，一定要勾选“New environment using Virtualenv”，路径选在项目根目录下，别用系统Python。创建完后，打开PyCharm底部的Terminal，逐条执行安装命令。注意mmcv-full必须带`-f`参数指定镜像源，否则会下载失败。我用的是清华源，命令如下： ```bash pip install torch==1.13.1+cu118 torchvision==0.14.1+cu118 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu118 pip install mmcv-full==1.7.1 -f https://download.openmmlab.com/mmcv/dist/cu118/torch1.13.1/index.html pip install mmsegmentation==0.30.0 ``` 这里特别强调版本号。mmsegmentation 0.30.0是目前SegFormer适配最成熟的版本，高了反而报错。装完后在PyCharm的Python Console里验证： ```python import torch print(torch.__version__, torch.cuda.is_available()) # 应输出1.13.1 True from mmseg.models import build_segmentor print("mmsegmentation导入成功") # 不报错即通过 ``` 如果卡在mmcv导入，大概率是CUDA版本没对上。这时候别硬扛，直接删掉虚拟环境重来。我试过三次不同版本组合，最终发现11.8+1.13.1+1.7.1这个铁三角最省心。另外提醒一句：PyCharm的Python解释器设置里，要把刚创建的venv路径完整填进去，路径里不能有中文和空格，否则后续加载配置文件会莫名其妙报路径错误。 ## 2. 数据集组织与标注规范 数据准备阶段最容易被低估，但实际占整个项目时间的40%以上。我带过三个实习生，全栽在标注格式上——有人用PIL保存PNG结果是RGB三通道，有人用LabelMe导出的JSON没转成单通道灰度图，训练时直接报错"target size is not same as input size"。 标准结构必须严格遵循mmsegmentation的要求。在项目根目录下建`data/custom_dataset`文件夹，里面分三层： ``` custom_dataset/ ├── img_dir/ │ ├── train/ # 存放jpg/png格式原图 │ └── val/ └── ann_dir/ ├── train/ # 存放单通道PNG标注图 └── val/ ``` 关键在`ann_dir`里的图像。必须是**单通道、uint8、灰度PNG**，每个像素值代表类别ID。比如你有3个类别（背景、人、车），那标注图里只能出现0、1、2这三个数字。我写了个校验脚本放在PyCharm里随时运行： ```python import cv2 import numpy as np import os def check_ann_images(ann_dir): for split in ['train', 'val']: path = os.path.join(ann_dir, split) for img_name in os.listdir(path): if not img_name.endswith('.png'): continue img = cv2.imread(os.path.join(path, img_name), cv2.IMREAD_UNCHANGED) if len(img.shape) != 2: print(f"错误：{img_name} 不是单通道") continue if img.dtype != np.uint8: print(f"错误：{img_name} 数据类型不是uint8") continue unique_vals = np.unique(img) if not np.all((unique_vals >= 0) & (unique_vals <= 2)): print(f"错误：{img_name} 包含非法类别值{unique_vals}") check_ann_images('data/custom_dataset/ann_dir') ``` 运行后没输出就说明合格。如果有问题，用OpenCV批量转换： ```python # 批量转单通道 for img_name in os.listdir('raw_ann'): raw = cv2.imread(os.path.join('raw_ann', img_name)) # 假设原始是RGB，用颜色阈值转类别ID gray = cv2.cvtColor(raw, cv2.COLOR_BGR2GRAY) _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 这里根据实际需求映射类别，比如binary>0设为1，否则0 result = np.where(binary > 0, 1, 0).astype(np.uint8) cv2.imwrite(os.path.join('ann_dir/train', img_name), result) ``` 另外提醒：图像和标注图的文件名必须完全一致，连大小写都不能差。我曾经有个`IMG_001.jpg`配了`img_001.png`，训练时说找不到标注，排查了半小时才发现是大小写问题。 ## 3. 配置文件定制化修改 直接改官方配置文件是最高效的做法。在PyCharm里打开`mmsegmentation/configs/segformer/segformer_mit-b0_512x512_160k_ade20k.py`，这是B0 backbone的轻量版，适合入门。别被文件名里的ADE20K吓住，它只是模板，所有数据集相关参数都要重写。 先改数据路径。找到`data`字典，把`data_root`指向你的数据集绝对路径。注意PyCharm里推荐用相对路径，比如： ```python data_root = 'data/custom_dataset' # 相对于train.py所在目录 ``` 然后定义类别。`classes`必须是元组或列表，`palette`是每个类别的RGB颜色，用于可视化。假设你做道路分割，类别是（背景、路面、车道线），这么写： ```python classes = ('background', 'road', 'lane_line') palette = [[0, 0, 0], [128, 128, 128], [255, 255, 0]] ``` 这里有个隐藏坑：`palette`长度必须等于`classes`长度，且索引要严格对应。比如`classes[1]`是road，那`palette[1]`就是路面的颜色，训练时日志图和验证图都按这个映射。 数据增强部分重点调`Resize`。原配置是`(2048, 512)`，这对小数据集太奢侈。我实测过，把`img_scale`改成`(1024, 512)`，batch_size能从2提到4，训练速度提升30%且精度不降。另外`Normalize`的mean/std别乱改，用ImageNet的默认值最稳妥： ```python dict(type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) ``` 最后是数据集类型。官方配置用的是`ADE20KDataset`，你要换成`CustomDataset`，并指定`img_suffix`和`seg_map_suffix`： ```python dataset_type = 'CustomDataset' data = dict( train=dict( type=dataset_type, img_suffix='.jpg', seg_map_suffix='.png', # 其他参数保持不变 ), val=dict( type=dataset_type, img_suffix='.jpg', seg_map_suffix='.png', ) ) ``` 改完保存，建议在PyCharm里右键配置文件→"Run"测试是否语法正确。如果报错，八成是逗号或括号漏了——Python的语法错误提示有时候很迷，多检查两遍。 ## 4. 训练脚本编写与参数调优 在PyCharm里新建`train.py`，这是整个流程的控制中心。别照抄文档里的示例，要加实用功能。我现在的脚本包含四块核心逻辑：配置加载、模型构建、数据集验证、训练启动。 先处理配置加载。用`Config.fromfile()`读取刚才改好的配置，但关键是要动态覆盖参数。比如你想在PyCharm里快速切batch_size，不用反复改配置文件： ```python from mmcv import Config import argparse parser = argparse.ArgumentParser() parser.add_argument('--batch-size', type=int, default=2) parser.add_argument('--lr', type=float, default=1e-4) args = parser.parse_args() cfg = Config.fromfile('configs/segformer/segformer_mit-b0_512x512_160k_ade20k.py') cfg.data.samples_per_gpu = args.batch_size cfg.optimizer.lr = args.lr cfg.work_dir = './work_dirs/segformer_custom' ``` 这样在PyCharm的Run Configuration里设置Parameters就能传参，比如填`--batch-size 4 --lr 2e-4`。 模型构建部分要加预训练权重。SegFormer收敛慢，不加预训练前20轮loss几乎不降。在配置里加这行： ```python cfg.load_from = 'checkpoints/segformer_mit-b0_512x512_160k_ade20k.pth' ``` 权重文件去OpenMMLab官网下载，放项目根目录的`checkpoints`文件夹。注意路径必须存在，否则启动时报错"File not found"而不是"load_from not set"。 数据集验证容易被忽略。我在`train.py`里加了这段： ```python from mmseg.datasets import build_dataset train_dataset = build_dataset(cfg.data.train) print(f"训练集大小：{len(train_dataset)}") # 检查第一张图和标注尺寸是否匹配 img, ann = train_dataset[0]['img'], train_dataset[0]['gt_semantic_seg'] print(f"图像尺寸：{img.shape}，标注尺寸：{ann.shape}") if img.shape[1:] != ann.shape: raise ValueError("图像和标注尺寸不匹配！") ``` 最后调用训练API。`train_segmentor`的`validate`参数设为True，每轮都会跑验证集，但要注意显存——验证时会额外占1G显存。如果你的GPU只有8G，建议设`val_interval=2`，隔轮验证： ```python from mmseg.apis import train_segmentor train_segmentor( model, datasets, cfg, distributed=False, validate=True, meta=dict() ) ``` 运行前在PyCharm的Run Configuration里设置Environment Variables：`CUDA_VISIBLE_DEVICES=0`，避免占用其他卡。启动后看控制台输出，重点关注`decode.loss_ce`和`acc_seg`，前者降到0.3以下、后者升到85%以上就说明跑通了。 ## 5. 训练过程监控与问题排查 训练启动后别干等，要主动监控。PyCharm本身不支持TensorBoard，但可以开终端手动启。在项目根目录下： ```bash tensorboard --logdir=./work_dirs/segformer_custom --port=6006 ``` 然后浏览器打开`localhost:6006`，重点看Scalars页的`train/loss`和`val/acc`曲线。正常情况是loss前10轮快速下降，acc同步上升；如果loss震荡剧烈，可能是学习率太大，把`cfg.optimizer.lr`调小一半再试。 常见报错我整理成对照表，方便速查： | 报错信息 | 原因 | 解决方案 | |---------|------|----------| | `AssertionError: label shape mismatch` | 图像和标注尺寸不一致 | 用前文校验脚本检查`ann_dir` | | `RuntimeError: CUDA out of memory` | batch_size超限 | `cfg.data.samples_per_gpu`减半，`cfg.data.workers_per_gpu`调到2 | | `ModuleNotFoundError: No module named 'mmseg'` | 虚拟环境没激活 | PyCharm Terminal里先`source venv/bin/activate` | | `KeyError: 'load_from'` | 预训练权重路径错误 | 检查`checkpoints/`文件夹是否存在，文件名是否拼错 | 特别说下显存优化。SegFormer的B0模型在1080Ti上，batch_size=2时显存占7.2G。如果想提效，可以在`train.py`里加混合精度训练： ```python from mmcv.runner import wrap_fp16_model model = build_segmentor(cfg.model) wrap_fp16_model(model) # 加这行 ``` 实测显存降到5.8G，训练速度提升22%，精度损失不到0.3%。这个技巧我是在一个工业检测项目里验证过的，非常可靠。 最后提醒一个细节：PyCharm的Console输出有时会截断长日志。如果看到`...`省略号，右键Console→"Increase buffer size"调到10000行。我有次因为日志被截断，愣是没看到关键的CUDA error提示，白白浪费半天。 我在实际项目中发现，把训练脚本封装成函数比直接执行更易调试。比如把数据加载、模型构建、训练启动拆成独立函数，PyCharm里可以右键单函数Run，快速验证某一步是否正常。这种模块化写法虽然多写十几行，但后期迭代效率提升明显。