SSD的安装配置和测试以及自己遇到的一些坑

参考了：http://blog.csdn.net/jesse_mx/article/details/52769272，这个作者感觉是个大神

配置环境：SSD+Ubuntu16.04+GT755m+cuda7.5，后来的环境：SSD+Ubuntu16.04+GTX1080TI+cuda8.0

我一开始是用自己的旧电脑配置的，后来发现训练对显卡要求很高，实验室正好配了新电脑，于是在那个电脑上又配置了一遍，情况差不多。

获取源码

SSD采用的是在caffe文件夹中内嵌例程的方式，作者改动了原版caffe，所以需要把原来的caffe文件夹移除，获取源码后把新的caffe要重新编译一次即可。注意把

终端输入：

git clonehttps://github.com/weiliu89/caffe.git 

cd caffe 

git checkout ssd

 

编译

终端输入：

cd /caffe 

cp Makefile.config.example Makefile.config

 

修改Makefile和Makefile.config文件：

在Makefile.config文件中将USE_CUDNN :=1取消注释；

INCLUDE_DIRS := $(PYTHON_INCLUDE)/usr/local/include后面打上一个空格，  然后添加/usr/include/hdf5/serial， 如果没有这一句会报一个找不到hdf5.h的错误

在Makefile文件中替换

NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC$(COMMON_FLAGS)  为NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX)-Xcompiler -fPIC $(COMMON_FLAGS)

 

修改环境变量，终端输入：

gedit ~/.profile

最后一行加上：“exportPYTHONPATH= /caffe/python：$PYTHONPATH”

保存退出

source ~/.profile

echo $PYTHONPATH

 

显示/caffe/python：/caffe/python

 

编译，终端输入：

make –j4

make pycaffe –j4

make test –j4

make runtest –j4

问题及解决办法：

我的电脑很老旧，编译caffe时总是出现各种问题，比如找不到文件之类的，于是我将caffe文件夹放置到了/目录下，所有编译命令加上sudo，之后就可以编译了。

这个办法是我无意中发现的，不知道是不是正常解决途径。

准备模型

直接下载原作者最终弄好的模型：

models_VGGNet_VOC0712_SSD_300x300.tar.gz

解压后将voc0712文件夹放入/caffe/models/VGGNet/之下

 

下载voc2007和voc2012数据集：

http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

终端下载很慢，在windows中下载好，放入文件夹/caffe/data/

 

解压：

cd /caffe/data

tar -xvf VOCtrainval_11-May-2012.tar 

tar -xvf VOCtrainval_06-Nov-2007.tar 

tar -xvf VOCtest_06-Nov-2007.tar

 

将图片转化为LMDB文件，用于训练、测试：

cd /caffe/data

./data/VOC0712/create_list.sh 

./data/VOC0712/create_data.sh

 

问题及解决办法：

如果之前的环境变量没有配置好就可能会出现错误：no module named caffe或者no module named caffe-proto。（注：环境变量这个东西貌似不是一劳永逸的，我测试了两次，每次都要重新弄一遍，建议最好是每次弄之前输入一次echo $PYTHONPATH检查是不是对应到/caffe/python，这个应该是和我的电脑老旧有关系）

 

测试

pascal图片集测试：

在caffe根目录下终端输入：

python examples/ssd/score_ssd_pascal.py

注：在运行之前最好先把score_ssd_pascal.py文件打开修改合适的路径。

结果显示：精度为0.776861

测试图如下：

 

pascal电脑前置摄像头测试：

在caffe根目录下终端输入：

python examples/ssd/ssd_pascal_webcam.py

测试图如下：

是我自己的头像，就不放图片了

问题及解决办法：

如果摄像头及视频测试无法完成时，可能是因为opencv没有配置好，重新配置opencv库即可，有很多资料。我在旧电脑上配置顺风顺水，但是新电脑上出现不少问题，我直接就装了一个完整的opnecv3.2，问题解决。

pascal demo视频测试：

在caffe根目录下终端输入：

python examples/ssd/ssd_pascal_video.py

注：在运行之前最好先把ssd_pascal_video.py文件打开修改到合适的路径。

测试图如下：

我的显卡太次，所以只能跑到3.5帧每秒，论文中是用的Titan X，可以跑到58帧每秒，估计TX1也能跑个几十帧每秒。

 

后来实验室配了新电脑，在1080TI上面跑是这样的：

速度快得一笔 

问题及解决办法：

遇到类似于/usr/bin/ld: 找不到 -lopenblas这种问题时，在命令行中直接输入：apt-get install libxxx-dev

 

训练模型：

如果显卡比较差不要尝试自己训练模型了，速度极慢，而且感觉对电脑也不好。我是在1080TI上训练的：

下载预训练模型：

https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6

将其放入新建的文件夹/home/mx/caffe/models/VGGNet/中

由于之前数据集什么的都下载好了，所以直接在命令行输入：

cd caffe/  

python examples/ssd/ssd_pascal.py

迭代次数120k，初始学习率0.0001，在1080TI上跑了大概31个小时，一开始的迭代速度是70次/分钟，但是随着时间推移会变慢。显卡差的话千万不要训练！我在老电脑上训练差点把电脑废了，血泪教训。

在新电脑上训练时出现问题：“check failed :error==cudaSuccess (10 vs .0) invalid device ordinal”

解决办法：修改 examples/ssd/ssd_pascal.py文件，找到gpu=“1,2,3,4”这一行，将其修改成gpu=“0”，也即设置成默认的gpu就没问题了

注：在SSD配置过程中还有不少问题，但是网上能找到，我就不在这里赘述了，我记载的问题都是一些我遇到的找不到解决方法的。