linux下Mxnet部署SSD学习

github地址：https://github.com/zhreshold/mxnet-ssd

参考教程：https://blog.csdn.net/u014380165/article/details/78219584

一、安装miniconda

发现miniconda的网站被墙了，没办法登陆，所以找了一个命令下载。速度较慢，等。。。

wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh

 安装失败。。。。换anaconda试试

下载sh文件：

网址 https://repo.continuum.io/archive/index.html

还是失败，被墙了。科学一下发现速度很快。。。。。最终还是下载miniconda3.7

安装文件

sh Miniconda3-latest-Linux-x86_64.sh

统统yes，完成安装。然后

source ~/.bashrc

使miniconda生效

二、开始部署mxnet

下载压缩包https://github.com/d2l-ai/d2l-zh

解压后进入文件夹。运行以下命令。

mkdir d2l-zh && cd d2l-zh
curl https://zh.d2l.ai/d2l-zh-1.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip

具体操作参见：http://zh.gluon.ai/chapter_prerequisite/install.html

发现其实这一步不需要。。。这一步我本来想按照gluon官方安装，后来发现其实不用，按照SSD-MXNET操作就行。

官方地址在：https://github.com/zhreshold/mxnet-ssd

三、部署SSD

3.1先拉取mxnet-ssd项目

git clone --recursive https://github.com/zhreshold/mxnet-ssd.git

• 拉取下来的项目默认名称为mxnet-ssd

3.2下载训练好的ssd模型

下载地址，老样子，科学上网
下载成功后，把.params文件和.json文件放在项目的model文件夹下（发现这一步在后面训练VOC的数据集的时候有用，测试demo可能用不上，所以这一步可以放在后面做）

3.3  测试demo

新建一个conda环境

conda create -n SSD python=your_python_version，其中SSD为环境名，后面为环境内的python版本号

source activate SSD,启动SSD环境

(删除虚拟环境。

   使用命令conda remove -n your_env_name(虚拟环境名称) --all， 即可删除。

)

conda install opencv matplotlib numpy scipy

复制配置文件，不过我还没弄明白这一步为什么，也可能不用复制，有待验证

cd mxnet-ssd/mxnet
cp make/config.mk ./config.mk

如何还缺什么模块就用conda安装就可以

使用CPU测试，运行时发现找不到“module” 。这个文件在symbol文件夹下。我猜测可能是因为路径问题，添加临时路径

export PYTHONPATH=/home/king/mxnet-ssd/symbol

再运行，一个‘xrange’函数有问题，搜索一番是因为升级了，根据提示去文件里改称“range”就行了

python demo.py --gpu 0

成功

 

四、按照官方例程训练VOC数据集

4.1 下载预训练模型

就是上面的3.2

4.2voc数据集

下载voc数据集

cd /path/to/where_you_store_datasets/
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
# Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

解压命令一起执行，会只解压出一个文件夹。

然后用一个链接将你存放数据的地方链接到ssd项目的data文件夹下，命令行输入：

ln -s /path/to/VOCdevkit /path/to/this_example/data/VOCdevkit

我的是，（此时在根目录下运行以下命令）

ln -s /home/king/VOC/VOCdevkit /home/king/mxnet-ssd/data/VOCdevkit

出现一个这样的文件夹

然后，创建打包的二进制文件加速训练（我自己翻译的，也不知道对不对）

# cd /path/to/mxnet-ssd
bash tools/prepare_pascal.sh

运行时发现还是找不到对应的moudle，搜索了一番找到conda添加环境变量办法：

https://blog.csdn.net/javafalcon/article/details/82421579

python
import sys
sys.path

 找到conda中现在环境的路径，进入该路径，对我而言（下图为修改后的路径），进入到了

/home/king/miniconda3/envs/SSD/lib/python3.7/site-packages

$ sudo echo mymodel.pth
$ sudo gedit mymodel.pth

在打开的文件中加入自己所需的路径，我这里加入了

/home/king/mxnet-ssd/symbol
/home/king/mxnet-ssd/tools

重启环境生效

卡住了，生成训练文件时有问题。想办法去

尝试自己生成.rec文件，两个参考教程：(这两个语法都已经不能了，但是可以帮助理解)

https://blog.csdn.net/eternity1118_/article/details/70853177

https://blog.csdn.net/u014380165/article/details/78279820?utm_source=blogxgwz3

参考下面这个写出来了

https://blog.csdn.net/weixin_34293059/article/details/85988396

我自己的命令句：（在工程文件mxnet-ssd下运行）

python /home/king/mxnet-ssd/mxnet/tools/im2rec.py /home/king/mxnet-ssd/data /home/king/mxnet-ssd/data/VOCdevkit --pack-label 1

第一个参数找到im2rec的位置 ，第二个找到lst文件所在位置（不写具体名称则所有lst文件都转换），第三个是数据集图像的存放路径（存疑）

报错提示：

pip install future

运行成功

运行测试，失败。发现问题是上面生成.rec文件有问题，命令已经更新，现在可以使用。

清明节回家一趟回来发现显卡驱动不知道怎么不行了，删除驱动又重装，折腾了一下午。

再进行测试，提示：

RuntimeError: failed to execute ['dot', '-Tpdf', '-O', 'test'], make sure the Graphviz executables are on your systems' path

搜索发现是Graphviz的问题，这是一个绘图工具，但是明明已经安装，一番搜索发现退出miniconda，在系统环境下也安装Graphviz就可以解决。

再运行，成功

 

python train.py --resume=继续训练的模型

 暂停训练后使用上面的语句继续训练