使用SSD-TensorFlow-Master 训练样本

       因为要做目标检测，看了一些帖子，先是看了推理结构，大多要用到GPU,楼主电脑没有，因此就选择ncnn,腾讯大牛开源的，下载地址：https://github.com/Tencent/ncnn     ，ncnn支持多种模型，根据现在测试需要自己就选择采用SSD这个算法下载地址：

https://github.com/balancap/SSD-Tensorflow

确定推理结构和训练模型以后然后开始装环境，这个真的很坑，反复N多次，才搞好：

1、第一步装anaconda3 开始看网上用的都是4.2，自己也装的4.2，添加新的虚拟环境，就是添加不进去，搞得有些崩溃，没有查出来原因，后来换5.4版本的，环境变量可以添加

先说这个添加环境，刚开始以为创建好环境就可以了，结果是在anaconda中直接下载的Tensorflow直接添加的版本太高了，后来就直接通过

添加低版本的卸载以后又重新添加，具体卸载代码直接百度，添加代码就粘贴一下：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python （需要在虚拟环境下装什么工具直接写进去，这个是从清华的镜像网站下载，如果直接下载（速度慢报出各种各样的错误）这个网页解释更详细

https://blog.csdn.net/liji_digital/article/details/104200319）

下载tensorflow指定版本

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.5

其他也是一样，因为工具版本不一样，反复搞了好几次，才成功（没人带，自己也是一步一个坑的走）

因为后面还要用到其他包一次性都给粘出来了

安装opencv-python(默认安装都是比较高的版本，此次用的4.2.0.34)

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

安装matplotlib 计算包

conda install matplotlib

安装完以后可以在安装完成的环境的anaconda中安装spyder

一定要先装tensorflow，这样自动装的spyder的版本不会太高，自己会去匹配适应的的版本（个人感觉，之前装反，上来就是4.0以上的版本，后来又卸载，虽然在anaconda 中可以卸载装指定的版本，但是跟tensorflow的兼容性就没得保证了，这个人弄下的总结仅做参考），这里安装spyder是为了等下运行标图软件用labelImg

我安装完成以后报错，然后修改下面的文件：（好像是导入 import tensorflow as tf   错误）

中间需要对一个 C:\Users\Administrator\AppData\Local\conda\conda\envs\TensorFlow\Lib\site-packages\tensorflow\python\framework 路径中dtypes.py进行修改为（493到502行）

_np_qint8 = np.dtype([("qint8", np.int8, (1,0))])

_np_quint8 = np.dtype([("quint8", np.uint8, (1,0))])

_np_qint16 = np.dtype([("qint16", np.int16, (1,0))])

_np_quint16 = np.dtype([("quint16", np.uint16, (1,0))])

_np_qint32 = np.dtype([("qint32", np.int32, (1,0))])

# _np_bfloat16 is defined by a module import

# Custom struct dtype for directly-fed ResourceHandles of supported type(s).

np_resource = np.dtype([("resource", np.ubyte, (1,0))])

安装完成以后就在,打开环境运行，测试是否成功：

打开虚拟环境  ：activate tensorflow

打开      Python

输入测试代码：

 #测试代码
 import os
 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'              
 import tensorflow as tf
 hello = tf.constant('hello,world')
 sess = tf.Session()
 print(sess.run(hello))

网上给的很多代码就是后面4句，然后就报出各种问题，运行没问题就开始测试一下标图软件了

我用的是spyder 版本是3.2.8（因为添加了tensorflow虚拟环境，不知道后来什么情况运行不了，应该是我没安装相应的运行环境，因为怕出现问题，labelImg 软件就在base这个环境是可以运行，对应的安装库我都装在这个环境下了，安装方式在下面这个网站https://blog.csdn.net/m0_38139979/article/details/79958823）

标图有快捷键可以用，自己百度，测试用起来还是挺方便的。

后面就是安装pycharm软件了，里面后面环境配置

这个直接百度一下就可以了，把anaconda 中的tersonflow环境导入就行了

在新的pycharm中添加环境，我的添加完成了。步骤就是这样，细化可以百度，仓促之间记录，莫见怪!

2、环境搞好以后，就在pycharm中添加SSD-TensorFlow-Master 工程：

注意：1处的文件夹下下载相应的文件，在给出的网站有详细步骤

2、自己要建立这个文件夹不然会报错的

3、标记图像数据存储位置，都是自己建立（经验之谈就是图像都放入指定位置以后再开始标记，因为标记图像里面有个路径，不然还得一个个修改，很烦）

4、就是把notebook打开的ssd_notebook.ipynb中的代码复制粘在住工程下，后面再改数据比较方便，运行一下就可以了

5、最后一步就是深度训练了：

这个过程也是问题很多：自己出的问题在网上一个个看帖子才跑起来的

经验一：每次运行开始训练文件就把train_model里面所有的文件清空一次

经验二：学习率调的低一些我用的0.005，觉得有点儿高，开始自动设置0.01上来就是 loss= Nan(）之类的，然后过一会就甭了

经验三：就是开始训练时，

# DATA_FORMAT = 'NCHW'   针对GPU   我的电脑不带GPU
改为下面
DATA_FORMAT = 'NHWC' 

经验四：要是只训练一种特征就把这个代码屏蔽掉，多特征我也没测试

然后就是开始训练了，第一次训练也不知道这个值多小好（以前见到的都是0.001以内，采用的是不同的网络，那是训练了200000次以上的结果）

以上就是自己的训练过程，自己也是刚开始，学着做，自己也是从别人的帖子中摸索前进，也把自己的经验分享一下。