caffe-ssd编译、训练、测试全过程（最后有彩蛋）

Love The Way You Lie 2022-05-26 01:26 30阅读 0赞

大家好，终于把SSD整通了，现在我把整个过程搭建给你们讲讲。

caffe\_ssd多目标检查效果还是非常好的，在线测试，FPS在20左右。我的训练的还是官方的数据集，其实我们可通过做自己的数据集得到预测模型也是可以的。

**一、SSD编译**

**\[plain\]** [view plain][] [copy][view plain]

1.  https://github.com/weiliu89/caffe.git
2.  git checkout ssd

跟编译caffe 是一样的,进入到caffe的根目录里：

**\[plain\]** [view plain][] [copy][view plain]

1.  cp Makefile.config.example Makefile.config

进入Makefile.config，设置如下，我们需要使用USE\_CUDNN(前提你安装了CUDNN,整个详细的参考，[戴尔笔记本双显卡配置nvidia367+cuda8.0+caffe][nvidia367_cuda8.0_caffe]）

![20170518152305056][]

**\[plain\]** [view plain][] [copy][view plain]

1.  mkdir build
2.  cd build
3.  cmake ..
4.  make all -j
5.  make install
6.  make runtest
7.  make pycaffe

**二、下载数据集**

1、预训练模型下载：

链接: https://pan.baidu.com/s/1nuGojSP 密码: v9bg

2、下载VOC2007、VOC2012数据集

官网下载太慢了，我已经上传到了百度云

链接: https://pan.baidu.com/s/1mhVjuSo 密码: 8nm7

在home主目录下

**\[plain\]** [view plain][] [copy][view plain]

1.  mkdir data
2.  cd data

把刚才下载的数据解压到data目录下

**\[plain\]** [view plain][] [copy][view plain]

1.  tar -xvf VOCtrainval\_11-May-2012.tar
2.  tar -xvf VOCtrainval\_06-Nov-2007.tar
3.  tar -xvf VOCtest\_06-Nov-2007.tar

(安装我整个顺序解压就可以了)

**三、生成LMDA文件**（自己制作数据也需要这样的）

我这里把pycaffe的环境加入～/.bashrc文件中

**\[plain\]** [view plain][] [copy][view plain]

1.  export PYTHONPATH=$PYTHONPATH:..../caffe/python
2.  source ~/.bashrc

进入到caffe 的根目录下

**\[plain\]** [view plain][] [copy][view plain]

1.  ./data/VOC0712/create\_list.sh
2.  ./data/VOC0712/create\_data.sh

**四、训练数据集及在线演示**

1、训练数据集

打开caffe/examples/ssd/ssd\_pascal.py，看到gpus='0,1,2,3' 该成gpus='0'

具体怎么看自己gpu id?

**\[plain\]** [view plain][] [copy][view plain]

1.  nvidia-smi

![20170518160618155][]

修改下 batch\_size=1和 test\_batch\_size=1 （显存太小了，所以把网格设小点）

![20170518161108673][]

注意：迭代数增加，loss应该是逐渐减小，不然就容易发散了。

大概迭代到10000次，会test下，把test\_batch\_size设置为1,不然会出现显存溢出的情况

2、测试下：（我把训练好的模型进行测试，迭代了240000次）

**\[plain\]** [view plain][] [copy][view plain]

1.  python examples/ssd/score\_ssd\_pascal.py

(主要测试下，训练的结果怎么样，0.9左右)

其实一般的情况在0.7左右

3、在线演示

![20170518162213051][]

**见鬼了，在右边的空着的椅子出现个person:0.67 ，吓到我了**![哭][cry.gif]

视频演示：

![20170518162643463][]

单张图片演示：我们可以使用：jupyter notebook

![20170518163037595][]

好了，下期给大家讲讲怎么制作自己的数据集，进行训练模型。

\------------------------------2017.6.14 QAQ----------------------------------------

在生成lmda文件的时候，出现python一些错误？

终端执行：

sudo apt-get install python-skimage python-protobuf

[view plain]: https://blog.csdn.net/u012986684/article/details/72469542#
[nvidia367_cuda8.0_caffe]: http://blog.csdn.net/u012986684/article/details/71511638
[20170518152305056]: /images/20220526/a12ee62ead424dfb9be8e0ecc0526d99.png
[20170518160618155]: /images/20220526/8fc1468765724fa48a3ac0f28b0bf336.png
[20170518161108673]: /images/20220526/71be6f6a90a8451983055e08316dcbc1.png
[20170518162213051]: /images/20220526/0804735fc0284d5c9b8d5a7653e56c7a.png
[cry.gif]: /images/20220526/bcb7bf59715a4a5388b1890eb7ccbd02.png
[20170518162643463]: /images/20220526/c98386cfd0484768a1673f22a24a8c57.png
[20170518163037595]: /images/20220526/0b94a3615ea84e3b9ff87ef96ba76d1b.png