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”。

https://www.anaconda.com/

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

conda是支持开辟一个新的空间，叫做虚拟环境，就是一个项目可以用一个专有的环境，不会和其他版本的包冲突了，当然会占用内存，嫌弃它占用内存的话，跑完当前的项目之后用命令conda remove -n 环境名 –all就可以腾出空间了

conda create -n 虚拟环境名称 python=3.10

# To activate this environment, use
#
#     $ conda activate crack
#
# To deactivate an active environment, use
#
#     $ conda deactivate

报错：

ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'

你的 当前工作目录不是 requirements.txt 所在目录。虽然你在 VSCode 左边看到文件，但 终端工作目录必须和文件路径一致。

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

方案 A（最简单）：不用 environment.yml，手动创建环境

在 Anaconda Prompt 或 VS Code 终端里执行下面几行就行（确保在任意目录都可以）：

conda create -n crackseg python=3.10
conda activate crackseg

pip install torch torchvision numpy opencv-python pillow matplotlib tqdm

成功后用：

conda env list

能看到一行 crackseg，说明环境 OK，然后就可以在项目目录里跑：

python train.py

LabelMe 画多边形

在当前环境装一下 labelme（只装一次即可）：pip install labelme

在终端里启动 LabelMe：labelme

在 LabelMe 里打开你的原图（比如 0001.jpg），用多边形工具沿着裂缝画一条带宽度的多边形，label 填写：crack。
一张图标完后保存，会得到 0001.json 文件（和图片同名）。

把这些 json 放到（可以分 train/val 两个子文件夹）：

data/labelme_json/train/
data/labelme_json/val/

回到终端（确保还是在 D:\crack-segmentation，环境是 crackseg），生成 mask：

# 训练集
python labelme_to_mask.py ^
    --json_dir data/labelme_json/train ^
    --out_dir data/masks/train ^
    --target_label crack

# 验证集
python labelme_to_mask.py ^
    --json_dir data/labelme_json/val ^
    --out_dir data/masks/val ^
    --target_label crack

生成后你会在 data/masks/train 和 data/masks/val 里看到和图片同名的 *.png，黑底白裂缝。

运行自动标注脚本，一次性生成 4000+ masks

在终端里确保：

(crackseg) D:\crack-segmentation>

然后依次执行：

# 为训练集生成自动 mask
python auto_annotate.py ^
    --input_dir data/images/train ^
    --output_dir data/masks/train

# 为验证集生成自动 mask
python auto_annotate.py ^
    --input_dir data/images/val ^
    --output_dir data/masks/val

几条说明：

• 脚本会 自动遍历目录里的所有图片，生成与图片同名的 *.png mask。
• 你可以根据效果适当调参数，比如： python auto_annotate.py ^ --input_dir data/images/train ^ --output_dir data/masks/train ^ --min_area 80 ^ --clip_limit 3.0
  • min_area 大一点：过滤更多“小点点噪声”；
  • clip_limit 大一点：增强对比度，更容易把细裂缝凸显出来。

跑完之后，你的 data/masks/train / data/masks/val 里会有一堆 xxx.png，黑底白裂缝