Run bash eval.sh
The performances will be saved under the root folder.
bash eval.sh
#!/bin/bash
# Copyright (c) Meta Platforms, Inc. and affiliates.
# All rights reserved.
# This source code is licensed under the license found in the
# LICENSE file in the root directory of this source tree.
python execute.py --exe eval_measure --log_dir='./tmp' --data_path VA --dataset VA --batch_size 1 --load_weights_folder ckpts-distdepth-152-SimSIN-DPTLegacy --models_to_load encoder depth --width 256 --height 256 --max_depth 10 --frame_ids 0 --num_layers 152
python execute.py --exe eval_measure --log_dir='./tmp' --data_path VA --dataset VA --batch_size 1 --load_weights_folder ckpts-distdepth-152-SimSIN-DPTLarge --models_to_load encoder depth --width 256 --height 256 --max_depth 10 --frame_ids 0 --num_layers 152
python execute.py --exe eval_measure-M --log_dir './tmp' --data_path VA --dataset VA --batch_size 1 --load_weights_folder ckpts-distdepth-M-101-SimSIN-DPTLegacy --max_depth 10 --num_layers 101 --models_to_load encoder depth pose_encoder pose
0.选项解读
解读第一个，其他自然而然即可。
python execute.py --exe eval_measure --log_dir='./tmp' --data_path VA --dataset VA --batch_size 1 --load_weights_folder ckpts-distdepth-152-SimSIN-DPTLegacy --models_to_load encoder depth --width 256 --height 256 --max_depth 10 --frame_ids 0 --num_layers 152
训练好的模型保存目录:
训练的数据集：
什么数据集????:
加载训练好的模型的名字用来验证？：
选择加载哪个模型：
模型有：
"encoder", "depth", "pose_encoder", "pose", "img"
输入图像的高度宽度设置？：
加载进来哪一帧图片？？？：
1.读execute.py代码
2.读execute_func.py代码（根据选项）
整体结构
相关包+Trainer类
__init__解读
1.获得所有参数，初始化options；
2.设置训练完成后保存模型的目录log_path----log_dir/model_name
3.一些数值初始化与判断
4.encoder模型创建------ResnetEncoder类创建
5.depth模型创建-------DepthDecoder类创建
6.mono_model-------DPTDepthModel类-------预训练模型？？？
7.pose_encoder模型创建------ResnetEncoder类创建
8.pose模型创建------PoseDecoder类创建
-------------------------------------------------------------
"encoder", "depth", "pose_encoder", "pose", "img"
------------------------------------------------------------
9.模型训练参数设置-----model_optimizer，model_lr_scheduler...
10.如果存在训练好的模型----load_model()，将其加载到当前模型里；
关于如何加载模型:PyTorch----加载训练模型到当前网络
11.数据集初始化
12.根据选择的数据集设置approx_factor？？？？？？？？
13.相关训练/验证数据集设置
14.验证指标设置SSIM，损失函数，激活函数之类？？？
15.scale？？？？
BackprojectDepth
Project3D
16.depth_metric_names
17.save_opts
知道这一次运行我们在干什么。
save options to disk so we know what we ran this experiment with
save options to log_path/models/opt.json
18.self.cnt = -1
未完待续。。。
方法解读
load_model
