jeonghyo.k 3946ff6a25 feat(prediction): 이미지 분석 서버 Docker 패키징 + DB 코드 제거

- prediction/image/ FastAPI 서버 Docker 환경 구성
  - Dockerfile: PyTorch 2.1 + CUDA 12.1 기반 GPU 이미지
  - docker-compose.yml: GPU 할당 + 데이터 볼륨 마운트
  - requirements.txt: 서버 의존성 목록
  - .env.example: 환경변수 템플릿
  - DOCKER_USAGE.md: 빌드/실행/API 사용법 문서
  - Dockerfile에 .dockerignore 제외 폴더 mkdir -p 추가
- .gitignore: prediction/image 결과물 및 모델 가중치(.pth) 제외 추가
- dbInsert_csv.py, dbInsert_shp.py 삭제 (미사용 DB 로직)
- api.py: dbInsert import 및 주석 처리된 DB 호출 코드 제거
- aerialRouter.ts: req.params 타입 오류 수정

2026-03-10 18:37:36 +09:00

4.9 KiB

Raw Blame 히스토리

常见问题解答（FAQ）

我们在这里列出了使用时的一些常见问题及其相应的解决方案。如果您发现有一些问题被遗漏，请随时提 PR 丰富这个列表。如果您无法在此获得帮助，请使用 issue模板创建问题，但是请在模板中填写所有必填信息，这有助于我们更快定位问题。

安装

兼容的MMSegmentation和MMCV版本如下。请安装正确版本的MMCV以避免安装问题。

MMSegmentation version	MMCV version	MMClassification version
master	mmcv-full>=1.5.0, <=1.6.0	mmcls>=0.20.1, <=1.0.0
0.25.0	mmcv-full>=1.5.0, <=1.6.0	mmcls>=0.20.1, <=1.0.0
0.24.1	mmcv-full>=1.4.4, <=1.6.0	mmcls>=0.20.1, <=1.0.0
0.23.0	mmcv-full>=1.4.4, <=1.6.0	mmcls>=0.20.1, <=1.0.0
0.22.0	mmcv-full>=1.4.4, <=1.6.0	mmcls>=0.20.1, <=1.0.0
0.21.1	mmcv-full>=1.4.4, <=1.6.0	Not required
0.20.2	mmcv-full>=1.3.13, <=1.6.0	Not required
0.19.0	mmcv-full>=1.3.13, <1.3.17	Not required
0.18.0	mmcv-full>=1.3.13, <1.3.17	Not required
0.17.0	mmcv-full>=1.3.7, <1.3.17	Not required
0.16.0	mmcv-full>=1.3.7, <1.3.17	Not required
0.15.0	mmcv-full>=1.3.7, <1.3.17	Not required
0.14.1	mmcv-full>=1.3.7, <1.3.17	Not required
0.14.0	mmcv-full>=1.3.1, <1.3.2	Not required
0.13.0	mmcv-full>=1.3.1, <1.3.2	Not required
0.12.0	mmcv-full>=1.1.4, <1.3.2	Not required
0.11.0	mmcv-full>=1.1.4, <1.3.0	Not required
0.10.0	mmcv-full>=1.1.4, <1.3.0	Not required
0.9.0	mmcv-full>=1.1.4, <1.3.0	Not required
0.8.0	mmcv-full>=1.1.4, <1.2.0	Not required
0.7.0	mmcv-full>=1.1.2, <1.2.0	Not required
0.6.0	mmcv-full>=1.1.2, <1.2.0	Not required

如果你安装了mmcv，你需要先运行pip uninstall mmcv。如果mmcv和mmcv-full都安装了，会出现 "ModuleNotFoundError"。

"No module named 'mmcv.ops'"; "No module named 'mmcv._ext'".
1. 使用pip uninstall mmcv卸载环境中现有的mmcv。
2. 按照安装说明安装mmcv-full。

如何获知模型训练时需要的显卡数量

看模型的config文件的命名。可以参考学习配置文件中的配置文件命名风格部分。比如，对于名字为segformer_mit-b0_8x1_1024x1024_160k_cityscapes.py的config文件，8x1代表训练其对应的模型需要的卡数为8，每张卡中的batch size为1。
看模型的log文件。点开该模型的log文件，并在其中搜索nGPU，在nGPU后的数字个数即训练时所需的卡数。比如，在log文件中搜索nGPU得到nGPU 0,1,2,3,4,5,6,7的记录，则说明训练该模型需要使用八张卡。

auxiliary head 是什么

简单来说，这是一个提高准确率的深度监督技术。在训练阶段，decode_head 用于输出语义分割的结果，auxiliary_head 只是增加了一个辅助损失，其产生的分割结果对你的模型结果没有影响，仅在在训练中起作用。你可以阅读这篇论文了解更多信息。

为什么日志文件没有被创建

在训练脚本中，我们在第167行调用 get_root_logger 方法，然后 mmseg 的 get_root_logger 方法调用 mmcv 的 get_logger，mmcv 将返回在 'mmsegmentation/tools/train.py' 中使用参数 log_file 初始化的同一个 logger。在训练期间只存在一个用 log_file 初始化的 logger。

参考：https://github.com/open-mmlab/mmcv/blob/21bada32560c7ed7b15b017dc763d862789e29a8/mmcv/utils/logging.py#L9-L16

如果你发现日志文件没有被创建，可以检查 mmcv.utils.get_logger 是否在其他地方被调用。

运行测试脚本时如何输出绘制分割掩膜的图像

在测试脚本中，我们提供了show-dir参数来控制是否输出绘制的图像。用户可以运行以下命令:

python tools/test.py {config} {checkpoint} --show-dir {/path/to/save/image} --opacity 1

4.9 KiB Raw Blame 히스토리 Unescape Escape