上一篇文章写了用Semantic-Segmentation-Suite模型进行自己数据集的训练，但是训练完之后，我们会想要看一下自己的训练效果，所以需要我们来预测一下现实中的图片，下面我来记录一下自己的学习过程。
先放三张我训练300epoch的三张图片
然后我们直接运行predict.py 就可以了，主要工作就是对应的参数的设置
在这里插入代码片
python3 predict.py --image 2.png --checkpoint_path ./checkpoints/0295/model.ckpt --crop_height 128 --crop_width 96 --dataset ./Road/ --model FC-DenseNet56
上面是我的一些参数，第一个参数预测的图片，如果没有和predict.py在一个文件夹下，记得加上地址。第二个参数是训练好的权重的地址，我使用的是0295中的权重，你会发现里面会有三个.ckpt文件，我才是不知道是哪一个，后来知道我们直接使用model.ckpt它会读取三个文件就可以了，然后就是高度和宽度的设置，后面是使用的数据集的地址，最后就是默认是用的模型，但是在预测代码中没有默认指定这个值，所以我们最后要加上模型的名字。然后就出来这样的效果，上面是原图，下面是预测图，看着还可以。
