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