实验是基于以下环境运行的
一 前言
关于如何安装mmlab的相关环境，后期会出一份详细的安装教程。安装过程中确实坑比较多，但是mmlab的框架安装下来之后只有一个字，香！目前主流的网络结构都支持，只要根据个人需要编写好config文件就可以直接调用，非常的方便。因此强烈推荐大家学一手。mmsegmentation官方支持了很多数据集，在其prepare-datasets.md里面介绍的很清楚，由于其他数据集较大，因此选择CHASEDB1数据集进行实验。
二 数据集准备
数据集网上可以直接下载到，这是网盘链接：链接：https://pan.baidu.com/s/16fXFzOj6BvgUbxBtimURXA 提取码：1111
下载下来数据集以后，使用mmsegmentation自带的工具来处理压缩文件，如下图所示就可以处理成程序需要的文件夹结构：
python tools/convert_datasets/chase_db1.py /path/to/CHASEDB1.zip
后面那个是你自己的文件下载地址，而后会在mmsegmentation下形成一个文件夹data，里面结构如下所示。
这边之所以annotation看上去都是黑的是因为标签位置它为1，和0区别不大，实际上其实应该是这样的：
三 训练
mmlab一个非常优秀的地方就是只要把config文件配好以后，运行train就能得到需要的结果，点开train.py文件，会发现在参数部分有很多需要填或者选填部分，这里最重要的就是config参数，其他都可以不填：
这里我们由于使用的是Unet网络以及CHASEDB1数据集，即config文件夹中找到unet目录下的chase01的py文件，即：
开始训练的话在菜单栏的run中设置运行参数即可：
输入参数即可：
然后直接运行就可以了。
四 结果可视化
运行会得到一个latest.pth以及log.json文件，里面保存着整个训练日志以及你的训练好的模型，网上有很多可以可视化的工具，但是不知道为什么自己使用起来问题很大，后来索性自己写了一个，后续会附上代码，可视化结果如下图所示：