batch_size: 4 # 设定迭代一次送入网络的图片数量。一般来说，你所使用机器的显存越大，可以调高batch_size的值。
iters: 80000 # 迭代次数

train_dataset: # 训练数据集
  type: Cityscapes # 训练数据集类的名称
  dataset_root: data/cityscapes # 训练数据集存放的目录
  transforms: # 数据变换与数据增强
    - type: ResizeStepScaling # 对图像按照某一个比例进行缩放，这个比例以scale_step_size为步长
      min_scale_factor: 0.5 # 缩放过程中涉及的参数
      max_scale_factor: 2.0
      scale_step_size: 0.25
    - type: RandomPaddingCrop # 对图像和标注图进行随机裁剪
      crop_size: [1024, 512]
    - type: RandomHorizontalFlip # 以一定的概率对图像进行水平翻转
    - type: Normalize # 对图像进行标准化
  mode: train # 训练模式

val_dataset: # 验证数据集
  type: Cityscapes # 验证数据集类的名称。
  dataset_root: data/cityscapes # 验证数据集存放的目录
  transforms:
    - type: Normalize # 对图像进行标准化
  mode: val # 验证模式

optimizer: # 使用何种优化器
  type: sgd # 随机梯度下降
  momentum: 0.9
  weight_decay: 4.0e-5

lr_scheduler: # 学习率的相关设置
  type: PolynomialDecay # 一种学习率类型。共支持12种策略
  learning_rate: 0.01
  power: 0.9
  end_lr: 0

loss: # 使用何种损失函数
  types:
    - type: CrossEntropyLoss # 交叉熵损失函数
  coef: [1] #当使用了多种损失函数，可在 coef 中为每种损失指定配比

model: # 使用何种语义分割模型
  type: FCN
  backbone: # 使用何种骨干网络
    type: HRNet_W18
    pretrained: pretrained_model/hrnet_w18_ssld #指定预训练模型的存储路径
  num_classes: 19 # 像素类别数
  pretrained: Null
  backbone_indices: [-1]