Anaconda

Anaconda 是一个开源的 Python/R 数据科学开发环境与包管理工具，简单说就是帮你一站式搞定 Python 环境配置、第三方库安装和管理的 “工具箱”

控制台打开Anacoda Prompt

//删除虚拟环境(-n 是name的缩写)
conda env remove -n 环境名

//安装Pytorch，是一个基于 Python 的开源深度学习框架，封装了复杂的数学计算和硬件调用
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

https://www.anaconda.com/

https://pytorch.org/get-started/previous-versions

空间不够：

续使用现有 Conda（只是把 envs 和 pkgs 移到 D 盘）

conda config --add envs_dirs D:\conda\envs
conda config --add pkgs_dirs D:\conda\pkgs

GitHub – LouisNUST/CrackFormer-II

1. Conda 环境配置（GPU）

在 Anaconda Prompt 执行：

conda create -n crackformer python=3.9 -y
conda activate crackformer
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

验证 GPU：

python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if t

2. 依赖安装（没有 requirements.txt 也能跑）

在项目根目录（和 nets 同层）安装基础依赖：

pip install numpy opencv-python pillow tqdm scikit-image scipy matplotlib einops timm

3. 下载并放置预训练权重（无需训练）

下载 crack537.pth（训练好的模型权重），放到：

model/crackformer/crack537.pth

验证权重路径存在：

python -c "import os; print(os.path.exists(r'./model/crackformer/crack537.pth'))"

输出 True 表示 OK。

说明：crack537.pth 是训练好的权重，所以只做推理（裂缝识别出 mask）时 不需要训练。

4. 放入待识别图片

把要识别的图片（如 jpg）放到：

datasets/Crack537/train/

（也可以放到 valid/Valid_image/，但我这次直接读 train 文件夹推理）

5. 纯推理脚本（输出黑白 mask）

关键点：import 必须写对（用 crackformerII）：

from nets.crackformerII import crackformer

运行推理脚本（例如 infer_images.py）：

python infer_images.py

输出 mask 保存到你脚本里设置的目录，例如：

datasets/Crack537/train_pred/

里面生成同名 .png：黑底白裂缝。

6. 输出全黑/裂缝太少时的调参要点

常用有效调整（由强到弱）：

1. 输入尺寸 target：提高到 1024 / 1536（细裂缝最吃分辨率）
2. 关闭 ImageNet 归一化（只除以 255），避免归一化不匹配导致全黑
3. 阈值 THRESH 降低：0.5 → 0.4 / 0.35（裂缝更容易出来）
4. 开启 TTA 翻转平均（更稳但更慢）
5. 可用形态学后处理：Open/Close、去小连通域（去噪点、连断裂）

如果要再次运行步骤：

打开Anaconda Prompt

conda activate crackformer
cd /d D:\CrackFormer-II\CrackFormer-II-main\CrackFormer-II
python infer_images.py