caffe-ssd训练自己的数据集

环境配置网上有很多教程，开源的数据集的训练方法按照官方网站来就可以，一般环境配置没出现什么问题，开源的数据集的训练和测试也就没有多大问题。下面写的是训练自己的数据集的一些步骤：

1.cd caffe-ssd/data/VOCdevkit目录下新建一个空文件夹,mkdir Mydataset

2. cd Mydataset，在该目录下分别新建三个文件夹，mkdir Annotations，mkdir JPEGImages，mkdir ImageSets，其中 Annotations存放训练需要用到的xml文件，JPEGImages存放训练需要用到的图片

3.cd ImageSets，mkdir Main

4.创建完成后将 jpg 和 xml 文件放入对应目录下。然后使用 python 脚本划分一下训练集和测试集。

5.cd caffe-ssd/data/,新建Mydataset，并执行下面命令：

6.修改labelmap_voc.prototxt，在其中设置自己的类别，其中不能改变的是背景类：

7.修改create_list.sh将路径修改为自己的路径，并将

# if [[ $dataset == "test" && $name == "VOC2012" ]]
    #then
     # continue
    #fi

注释

8 修改create_data.sh

9.都修改好运行脚本，生成LMDB，进入caffe目录

./data/Mydataset/create_list.sh

./data/Mydataset/create_data.sh

10.修改ssd_pascal.py开始训练:

11.保存，运行python examples/ssd/ssd_pascal.py，出现如下结果就开始正常训练了

开始训练的时候，就出现loss=nan的情况，在solver.prototxt中将base_lr调小，训练就正常了