SSD-Pytorch训练和测试自己的数据集（新手必看）

置顶 已于 2023-11-24 09:15:13 修改
阅读量4.9w 收藏 485
点赞数 65
CC 4.0 BY-SA版权
分类专栏： 深度学习算法实践 文章标签： 深度学习算法实践-SSD
于 2019-03-24 16:37:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dingkm666/article/details/88775428
本文详细介绍了如何使用SSD-Pytorch在PyTorch环境中训练和测试自定义数据集，包括数据集转换、环境安装、代码修改、问题解决及成果展示。涉及关键步骤如修改config.py、VOC0712.py、train.py、eval.py和ssd.py。在训练过程中，作者遇到了loss为nan的问题，并提供了降低学习率的解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1.准备自己的数据集

2.pytorch环境安装即SSD-pytorch代码下载

3.正常的修改

        修改1：config.py

        修改2：VOC0712.py

        修改3：train.py

        修改4：eval.py

        修改5：ssd.py

4.遇到的问题和相应的解决办法

        问题1：

       问题2：提示自动跳出迭代

         问题3：训练是loss出现抑制为nan的情况

5.成果展示

1.准备自己的数据集

        pytorch-ssd可以支持VOC和COCO两种数据格式，所以你要将自己的数据集转化为VOC格式或者COCO格式，相应的转化脚本，请点击（注：SSD-Pytorch中含有自动下载VOC和COCO官方数据的脚本）如下图

2.pytorch环境安装即SSD-pytorch代码下载

        点击链接登陆pytorch官网根据电脑的操作系统配置选择安装：   PyTorch

        python版本要求python3 + ：Welcome to Python.org

        SSD-Pytorch代码链接：GitHub - amdegroot/ssd.pytorch: A PyTorch Implementation of Single Shot MultiBox Detector

        训练模型下载链接（官方模型链接似乎失效了，推荐下载）：https://download.csdn.net/download/qq_34374211/10712378

3.正常的修改

        根据经验，我们要清楚自己数据集的含有的类别，例如：我自己的数据集为VOC格式，含有8个类别。

        修改1：config.py

<
最低0.47元/天 解锁文章

200万优质内容无限畅学
ssd训练自己的数据集
reset2021的博客
07-12 6205
基于SSD实现目标检测（训练自己的数据集）
自用：目标检测算法之基于Pytorch的SSD算法复现
m0_46424424的博客
01-06 1416
文件后，环境中的torch版本会被修改，变成基于cpu的版本，此版本也可以使用，但是使用CPU进行计算速度不如GPU，所以需要卸载现有环境中基于CPU的torch，然后重新再次执行一下torch的安装代码。完成numpy的安装之后，在下载的torch环境依赖包的根目录下，在路径中输入cmd，打开Command Prompt，然后再激活虚拟环境。此版本的下载，无法直接通过pip从官网进行下载，需要在官网找到之前版本的torch然后提前将其下载下来，然后通过手动安装的方式进行。
SSD训练自己的数据集（Pytorch），超详细版！！！！
热门推荐
qq_50773198的博客
11-13 2万+
近期开始学习SSD算法啦，从拿到代码的茫然到最后可以跑通自己的代码（本人基础薄弱），已经非常非常开心喽~这篇文章主要介绍一下我的修改过程，以及我训练过程中遇到的问题，可以给大家避避坑，也方便我以后自己使用。那接下来就开始吧~另，在训练中参考的文章标明出处，如有侵权，请联系我删除：【数据集制作】VOC2007格式数据集制作和处理教程(Faster-RCNN模型标准输入)_AI小杨的博客-CSDN博客 SSD pytorch训练自己的数据集（windows+colab） | 码农家园SSD的pytorch实现训
深入探究Darknet卷积神经网络框架
最新发布
weixin_42506884的博客
05-18 935
Darknet是基于神经网络的开源框架，被广泛用于图像识别和目标检测任务。它的设计简洁，易于理解和使用，同时提供了非常强大的性能。由于其轻量级和高度可移植性，使得Darknet特别适合在有限资源的硬件上部署和运行深度学习模型。Darknet框架作为YOLO（You Only Look Once）目标检测算法的原始实现平台，它的核心组件主要围绕着构建深度神经网络。其中网络层是构成Darknet的基石，每一层都有特定的功能与设计目的。卷积层 (Convolutional Layer)
SSD-Pytorch训练自己的数据集
weixin_67856277的博客
04-27 1464
在115行，N = num_pos.data.sum()的后面加上.double,继续在下面添加。在204行， 修改第n次迭代保存一次权重文件，将5000改为500，更改权重名称（随意）num_classes类的个数改为自己设定的+1（自己的类别数＋背景类别）将train文件中所有的nn.init.xavier_uniform。在28行处，修改VOC_ROOT，为存放自己数据集的路径。更改为nn.init.xavier_uniform_在20行处，修改VOC_CLASSES为自己的类别。
SSD训练自己数据集
qq_41613251的博客
05-14 942
SSD训练自己数据集 1.数据制作 （1）首先准备img与txt文件夹（图像及标注的txt文件），txt文件夹下的文件均为txt文件，里边的内容为1 2 26 18 70样式，其中1为类别，（2，26）为左上点坐标，（18,70）为右下角坐标。目标检测标注工具初始生成的文件包括xml，xml2txt文件如下。 import os import re import json import shutil import numpy as np from PIL import Image from lxml imp
使用pytorch训练自己的数据集
qq_40356092的博客
09-09 7138
一、introduction 不得不说pytorch的功能十分强大，其中torchvision.datasets已经内置了常用的数据集，我们也可以使用datasets.ImageFolder来加载我们自己的数据集。如果你觉得这两个方法都不能很好的加载你想要的数据集，也可以通过继承dataset类来自定义自己的数据集加载方式。 本文主要介绍前两种加载数据集的方法，然后使用常见的卷积神经网络来训练并测试自己的数据集。 二、加载数据集 2.1 加载FashionMNIST数据集 def load_FashionM
pytorch训练自己的数据集
qq_38355184的博客
07-01 1125
使用pytorch自带的模型，并修改全连接层为自己数据集的类别数。 model = models.resnet50(pretrained=False) class_num = 62 fc_features = model.fc.in_features model.fc = nn.Linear(fc_features, class_num) model = model.to(device) 根据数据集文件夹制作包含文件路径 标签的txt文本文件 import os data = [] labels = []
pytorch训练自己的数据集（完整版）
Elegantmadman的博客
04-08 5661
标签制作部分 我们要想用深度学习去训练我们的神经网络模型，首先，我们要告诉我们的电脑，我们的每一张图片，分别代表什么，对于这种问题，我们通过制作一个txt文档去解决，好，那我们现在就去构建一下我们txt文件，具体代码如下： import os import copy def write_txt(path,txt_path): num =len(os.listdir(path)) ...
ssd.pytorch-pytorch资源
03-12
对于那些希望在自己的数据集上训练出高质量物体检测模型的用户来说，这个文件是实现这一目标的基石。 最后，文件名“.idea”可能指向了一个项目配置文件，这类文件通常由集成开发环境（IDE）生成，比如IntelliJ ...
SSD-Pytorch：更紧凑，更简单的SSD pytorch实现
02-14
通过使用Opencv进行数据处理，保持代码结构简洁，以及支持自定义数据集，这个实现为研究人员和开发者提供了一个强大的起点，他们可以在此基础上进行自己的研究和开发工作。对于想要在PyTorch中实现目标检测，尤其是...
ssd pytorch预训练模型
08-30
- *1* *2* *3* [SSD-Pytorch训练和测试自己的数据集（新手必看）](https://blog.csdn.net/dingkm666/article/details/88775428)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_...
深度学习第p6周：VGG-16算法-Pytorch实现人脸识别
shentianyang0802的博客
04-25 1934
将优化器从SGD调整为Adam，准确率获得了显著增长，将学习率调成1e-3后准确率进一步提高，但是始终达不到百分之60。
利用SSD训练自己的数据集
weixin_42639897的博客
08-04 1571
利用SSD训练自己的数据集 1.下载源码https://github.com/lufficc/SSD 2.准备自己的数据集(train test json) 3.python train.py(涉及到的文件path_catlog.py将其中的coco数据的地址改成自己的，coco.py中的class_names，vgg_ssd512_coco_trainval35k.yaml中的num_classes,train,test的地址，max_iter,lr,lr_steps,gamma,batch_size)训
ssd训练自己数据集
weixin_38383877的博客
12-17 1746
1、用labelImg标数据 2、将数据转换为tfrecord 错误记录： NotFoundError：无法创建NewWriteableFile 解决方法：您需要在运行此脚本的运行环境文件夹中自己创建一个目录 1、前期准备工作 第一步：先将SSD框架下载到本地，解压出来；SSD源码下载 第二步：在解压出来的主目录下依次创建tfrecords_、train_model、VOC2007...
用SSD训练自己的数据集
dongfang1984的博客
07-07 4880
1构建 数据集 先来看一下我们构建数据集合应该是什么样的,假设总数据为1000张。 为了方便，我们将数据放在／home／bingolwang/data 文件夹下。/home/bingolwang/data/VOCdevkit 这个目录下是VOC2007 VOC2007/ |-- Annotations #1000个xml文件。 |-- ImageSets | `-- ...
SSD训练自己的数据集（pytorch版，吊打面试官系列
m0_61068496的博客
04-08 1134
(img-0T5pjHBw-1712550640154)]源码讲义、实战项目、讲解视频，并且后续会持续更新**
SSD训练自己的数据
wxshan3的博客
09-19 306
一、训练自己的数据： (1)在/data目录下创建一个自己的文件夹： cd /data mkdir mydataset (2)把/data/VOC0712目录下的create_list.sh 、create_data.sh、labelmap_voc.prototxt 这三个文件拷贝到/mydataset下： cp data/crea...
评论 341
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值