原文在此：U-net：运行你的第一个U-net进行图像分割

　　代码： Github代码

　　接下来我将就我自己运行原博主代码的调试过程进行一些记录。

　　1.libtiff

　　有关libtiff库的导入，我认为大家还是使用下载好文件后，进入你的运行环境中，用

　　pip instll 下载好的文件路径

　　安装最为稳妥

　　注意：博主blog中的文件结构与他代码中使用的文件结构是有一定出入的，个人认为是在后续更改代码的时候忘记更改博客中的说明了，所以截至今天2020-04-02，请大家先以我的说明为准，如果再产生新的错误，大家根据报错来进行新的更改。

　　2.U-Net 文件夹结构

　　–Unet-master

　　–deform

　　–train

　　–label

　　0.tif

　　1.tif

　　……

　　29.tif

　　train

　　0.tif

　　1.tif

　　……

　　29.tif

　　–my_test

　　data. py

　　unet. py

　　–npydata

　　–results

　　–test

　　0.tif

　　1.tif

　　……

　　29.tif

　　test

　　0.tif

　　1.tif

　　……

　　29.tif

　　注：–黑体表示的是文件夹;斜体表示的是文件。

　　接下来就要根据这个文件结构来进行代码的调试运行。

　　(PS:之后的报错还需要对这个结构进行更改)

　　3.data.py

　　报错1：

　　FileNotFoundError: [Errno 2] No such file or directory: '../npydata/imgs_train.npy' wei shen me

　　解决方法：

　　确认你的data.py文件是否在’my_test’文件夹中。

　　windows中’…/'表示返回上层文件，所以，data.py应该是和’npydata’文件夹的子文件同一级别。

　　报错2：

　　FileNotFoundError: [Errno 2] No such file or directory: '../test/test\\0.tif'

　　解决方法：

　　完全按照上述的文件夹结构布局，这个问题自然解决。

　　原博主的测试图片文件保存在’test’文件夹当中，在Github中，‘test’&'train’文件夹同在’images’文件夹下。

　　我猜测博主是复制’images/test’文件夹后又将’images/test’文件夹复制了一遍。(正因为这一点，在之后的一个报错中我明白了为什么会产生错误。博主这么做是有意的。)

　　成功运行’data.py’文件后得到以下结果：

　　------------------------------

　　Creating training images...

　　------------------------------

　　[]

　　0

　　loading done

　　Saving to .npy files done.

　　------------------------------

　　Creating test images...

　　------------------------------

　　30

　　loading done

　　Saving to imgs_test.npy files done.

　　------------------------------

　　load train images...

　　------------------------------

　　(0, 512, 512, 1) (0, 512, 512, 1)

　　其他：

　　注意此次结果中的‘0’的显示

　　……………………………………

　　[]

　　0

　　loading done

　　……………………………………

　　(0, 512, 512, 1) (0, 512, 512, 1)

　　在运行’data.py’文件中我还遇到了一些Warning，这个也是预告着之后会出问题。如下：

　　../Unet-master/my_test/data.py:207: RuntimeWarning: Mean of empty slice.

　　mean = imgs_train.mean(axis = 0)

　　..\lib\site-packages\numpy\core\_methods.py:78: RuntimeWarning: invalid value encountered in true_divide

　　ret, rcount, out=ret, casting='unsafe', subok=False)

　　同时，在’npydata’文件夹下生成三个’.npy’文件

　　–npydata

　　imgs_mask_train.npy

　　imgs_test.npy

　　imgs_train.npy

　　4.unet.py

　　报错1.1：

　　TypeError: 'module' object is not callable

　　解决方法：

　　更改问题代码。

　　因为tensorflow不同的版本，语法的使用会有所不同。

　　#更改前

　　merge6 = merge([crop4,up6], mode = 'concat', concat_axis = 3)

　　#更改后

　　merge6 = Concatenate([drop4,up6],axis=3)

　　同理更改merge7，8，9：

　　#更改后

　　merge7 = Concatenate(axis=3)([conv3, up7])

　　...

　　merge8 = Concatenate(axis=3)([conv2, up8])

　　...

　　merge9 = Concatenate(axis=3)([conv1, up9])

　　...

　　报错1.2：

　　NameError: name 'Concatenate' is not defined

　　解决方法：

　　‘from keras.layers import Concatenate ’

　　把Concatenate模块(module)载入后才能调用。

　　报错2：

　　UnboundLocalError: local variable 'batch_index' referenced before assignment

　　解决方法1：

　　这次先说报错原因，在’data.py’的报错1中的其他提到了注意‘0’的显示，这说明程序其实并没能够载入数据到.npy文件当中去，代码产生了错误。而这个错误的原因是原作者对代码编写时对路径的定义产生了问题。

　　class dataProcess(object):

　　def __init__(self, out_rows, out_cols,

　　data_path = "../deform/train",

　　label_path = "../deform/label",

　　test_path = "../test",

　　npy_path = "../npydata",

　　img_type = "tif"

　　):

　　data_path & label_path的路径定义和之后的代码产生了冲突，为了解决这一冲突，不得已把文件结构变得更加复杂化。 郑州做人流哪家医院好 http://mobile.sptdnk.com/

　　还记的以开始所说的要对结构进行更改吗?

　　U-Net 文件夹结构

　　–Unet-master

　　–deform

　　–label

　　0.tif

　　1.tif

　　……

　　29.tif

　　train(注意这个train文件夹只是命名为train，里面的tif文件是label文件)

　　0.tif

　　1.tif

　　……

　　29.tif

　　–train

　　0.tif

　　1.tif

　　……

　　29.tif

　　train

　　0.tif

　　1.tif

　　……

　　29.tif

　　–my_test

　　data. py

　　unet. py

　　–npydata

　　–results

　　–test

　　0.tif

　　1.tif

　　……

　　29.tif

　　+test

　　0.tif

　　1.tif

　　……

　　29.tif

　　#修改文件结构前

　　imgs = glob.glob(self.data_path+"/*."+self.img_type)

　　>>无任何结果显示

　　#修改文件结构后

　　imgs = glob.glob(self.data_path+"/*."+self.img_type)

　　>>'../deform/train\\0.tif','../deform/train\\1.tif',...

　　#修改文件结构前

　　midname = imgname[imgname.rindex("/")+1:]

　　>>无任何结果显示

　　#修改文件结构后

　　midname = imgname[imgname.rindex("/")+1:]

　　>>'train\0.tif','train\1.tif',...

　　img = load_img(self.data_path + "/" + midname,grayscale = True)

　　label = load_img(self.label_path + "/" + midname,grayscale = True)

　　#(注意这个midname其实是'train\*.tif',所以之后的文件结构更改时，'deform-label-train'文件夹只是命名为train，里面的tif文件是label的文件)

　　解决方法2：

　　这个bug还有一个简单的解决方式，因为会出现这个问题，说明你用的应该是windows系统，而正因为此，系统的分隔符判定不同。

　　#修改前

　　midname = imgname[imgname.rindex("/")+1:]

　　#修改后

　　midname = imgname[imgname.rindex("\\")+1:]

　　使用这个方法，你的文件结构就可以简化。

　　#存放图片的文件结构

　　| --deform

　　| |

　　| |--label

　　| | | 0.tif

　　| | | 1.tif

　　| | | ……

　　| | | 29.tif

　　| | |

　　| |--train

　　| | | 0.tif

　　| | | 1.tif

　　| | | ……

　　| | | 29.tif

　　| | |

　　|--test

　　| | 0.tif

　　| | 1.tif

　　| | ……

　　| | 29.tif

　　| |

　　当你把所有以上的代码报错都解决了，重新运行data.py,生成3个.npy文件，保存在’npydata’文件夹中，然后运行unet.py，代码就可以跑通了，但是结果如何还无法保证。

　　5.因为会有

　　报错*

　　FileNotFoundError: [Errno 2] No such file or directory: '../results/imgs_mask_test.npy'

　　解决方法：

　　#定位

　　print('predict test data')

　　imgs_mask_test = model.predict(imgs_test, batch_size=1, verbose=1)

　　#添加代码

　　path = '../results'

　　if not os.path.exists(path):

　　os.mkdir(path)

　　#定位

　　np.save('../results/imgs_mask_test.npy', imgs_mask_test)

　　原理

　　可以参考我的另一篇blog。

　　同理，你之前遇到的任何可能的文件夹错误都可以使用这一个方法来解决。

　　结束语

　　今天先记录一下U-net学习的第一步，之后的过程有需要继续更新。

　　最后让大家看那么久的文字过意不去，最后贴上文件结构图：

　　运行程序前的结构：

　　deform下包含两个文件夹，label和train。

　　my_test文件夹下面是两个主要的.py文件。

　　label和train文件夹下是训练用的图片，为了减少计算，我只放了两张图在里面，同理test文件夹也一样。