SSD学习培训系列产品（三）根据自身uci数据集训炼SSD实体模型

LMDB统计数据方式

将自身的uci数据集转化成LMDB文件格式后就能够根据它刚开始训炼了。其相匹配文件目录给出图示。

/work/xxx/caffe_ssd/data/VOCdevkit/VOC201909/lmdb/

VOC201909_test_lmdb VOC201909_trainval_lmdb

编写训炼脚本制作 ssd_pascal.py

sudo vi examples/ssd/ssd_pascal.py

resize_width和height意味着互联网size，能够设成500x500来提升点鉴别精确度，可是训炼时相对的规定更大的显卡内存。

假如是3个GPU，则图中图示的 gpus = “0,1,2”。其他依此类推。 batch size假如显卡内存充足大能够适度提升些来提升训炼速率。

test image数量能够依据uci数据集状况开展改动。 我这儿只能12张测试图片，每一次就测一張 。

训炼碰到的难题

在真实刚开始训炼前，能够考虑到编写solver.prototxt中的好多个主要参数，给出红框图示。

训炼指令给出

sudo python xxx/caffe_ssd/examples/ssd/ssd_pascal.py

难题1：不鉴别caffe

Traceback (most recent call last):

File “examples/ssd/ssd_pascal.py”, line 2, in

import caffeModuleNotFoundError:

No module named ‘caffe’

解决方案仍然是在ssd_pascal.py中插进两行：

#在import caffe以前插进这两行

import sys

sys.path.append(’/work/tiesha