環境安裝:
# 建立與啟動 conda 環境
conda create -n stdc_golface python=3.8 -y
conda activate stdc_golface

# 安裝 PyTorch + 對應 CUDA 11.3 版本
conda install pytorch=1.11.0 torchvision=0.12.0 torchaudio cudatoolkit=11.3 -c pytorch -y

# 安裝對應版本的 mmcv-full
pip install mmcv-full==1.5.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.11.0/index.html

# 安裝 kneronstdc 專案
cd kneronstdc
pip install -e .

# 安裝常用工具套件
pip install opencv-python tqdm matplotlib cityscapesscripts

# 安裝 yapf 格式化工具（指定版本）
pip install yapf==0.31.0
--------------------------------------------------------------------------------------
data:
使用 Roboflow 匯出資料集格式請選擇：

Semantic Segmentation Masks

使用 seg2city.py 腳本將 Roboflow 格式轉換為 Cityscapes 格式

Cityscapes 範例資料可作為參考

將轉換後的資料放置至 data/cityscapes 資料夾

（cityscapes 為訓練預設的 dataset 名稱）
--------------------------------------------------------------------------------------
訓練模型:
開剛剛新裝好的env，用cmd下指令，cd到kneronstdc裡面
train的指令:
python tools/train.py configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py

test的指令:
python tools/test.py configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.pth --show-dir work_dirs/vis_results
------------------------------------------------------------------------------------
映射到資料夾
docker run --rm -it -v $(wslpath -u 'C:\Users\rd_de\kneronstdc'):/workspace/kneronstdc kneron/toolchain:latest

轉ONNX指令
python tools/pytorch2onnx_kneron.py configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py --checkpoint work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.pth --output-file work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.onnx --verify

把nef拉出來到電腦
docker cp f78594411e1b:/data1/kneron_flow/models_630.nef "C:\Users\rd_de\kneronstdc\work_dirs\nef\models_630.nef"
---------------------------------------------------------------------------------------
pip install opencv-python
RUN apt update && apt install -y libgl1