Caffe-SSD(single-shot-multiboox)在Windows+GPU平台下的配置与训练记录

最新推荐文章于 2019-04-26 09:09:28 发布

听笙

最新推荐文章于 2019-04-26 09:09:28 发布

阅读量1.1k

点赞数 1

分类专栏： caffe学习笔记 win-caffe

本文链接：https://blog.csdn.net/tomato_ljl/article/details/79169398

版权

caffe学习笔记同时被 2 个专栏收录

19 篇文章 1 订阅

订阅专栏

win-caffe

18 篇文章 0 订阅

订阅专栏

Caffe-SSD(single-shot-multiboox)在Windows+GPU平台下的配置与训练记录

JLU-IPVR

听笙

写本篇文章旨在让使用windows-ssd的小伙伴们少走弯路。毕竟作者搞了三遍才成功=。=

首先说一下作者电脑的配置：

1. Windows:10;

2. GPU:NVIDIA GeForce GTX745;

3. CUDA:7.5;

4. Caffe:caffe-ssd-microsoft;

5. Python:anaconda2;

caffe-ssd-microsoft下载地址：

https://github.com/conner99/caffe.git选择ssd-microsoft分支.

个人推荐这个版本的，因为作者尝试了其他版本的，但是配置到最后总会有各种各样的问题，所以推荐这个版本的。

编译libcaffe

在caffe-ssd-microsoft\src\caffe文件夹下新建3rdparty文件夹里面添加hungarian.cpp。

在caffe-ssd-microsoft\include\caffe文件夹下新建3rdparty文件夹里面添加hungarian.hpp。

修改CommonSettings.props文件

作者使用了cuda，python接口，所以对他们进行了设置，修改部分如图中红色框所示。

接下来，需要修改一些文件。

1. 进入libcaffe-include-layers中，进入detection_output_layer.hpp文件，将与regex相关头文件注释掉。

2. 进入libcaffe-src-layers中，进入detection_output_layer.cpp文件，将所有出现regex和rv的语句注释掉。

3. 进入libcaffe-cu-layers中，进入detection_output_layer.cu文件，将所有出现regex和rv的语句注释掉。

4. 进入libcaffe-cu-util中，修改bbox_util.cu，注释掉所有带thrust的语句；

5. 进入caffe-ssd-microsoft\src\caffe\proto，找到caffe.proto对里面的内容进行如下修改。

需要修改的文件都在上面进行了修改，还要注意一点，C/C++ ->常规里的将警告提示为错误修改为否。

编译libcaffe.

编译pycaffe

对于pycaffe的使用可有可无，作者使用了这个接口，所以在这里就介绍一下。

首先，要配置protobuf，作者是用的anaconda2的环境，下载protobuf:

https://github.com/google/protobuf/releases/tag/v3.0.0

下载两个包：protobuf-python-3.0.0.zip 以及 protoc-3.0.0-win32.zip
protobuf-python-3.0.0为protobuf的安装包;
protoc-3.0.0-win32包含protobuf的编译器protoc的win32版本，用以编译*.proto文件。

下载后将protoc-3.0.0-win32\bin\protoc.exe 复制到protobuf-3.0.0\src\
用cmd进入到protoc-3.0.0\python目录，接下来执行如下命令：

1) python setup.py build

2) python setup.py test

3) python setup.py install

最后在python环境下，importcaffe不报错就表明安装成功。显示如下：

然后再进行编译pycaffe，编译成功后将Build/x64/Release/pycaffe下的caffe文件夹拷贝到Anancoda下面的Lib\site-packages下即可。

编译ssd_detect

进入ssd_detect工程下的ssd_detect.cpp文件，进行如下修改。

首先在const string&model_file = argv[1];前添加char *labelname[] = {"background", "aeroplane", "bicycle","bird", "boat", "bottle", "bus","car", "cat", "chair", "cow","diningtable", "dog", "horse","motorbike", "person", "pottedplant", "sheep","sofa", "train", "tvmonitor" };

其次

编译ssd_detect。

接下来就是编译整个解决方案。

生成这些可执行文件。

训练和预测

训练部分

VOC0712数据下载：

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

在data\VOC0712下按照上述这顺序解压VOC文件，变成VOC2007和VOC2012两个文件夹。

从data\VOC0712下复制get_image_size.bat到caffe-ssd-micrpsoft根目录下，这里要修改对应的caffe路径的名称：

双击运行。

同样，复制data\VOC0712下的create_data.bat到根目录下，修改正确的路径后执行，得到lmdb格式的数据。

训练有两种方式：一个用python接口调用VOC0712下ssd_pascal.py和score_ssd_pascal.py来生成相应的训练和测试网络文件，及是否采用GPU计算等参数的设置。另一个就是类似常用windows下实现minst的方法直接调用caffe.exe或者bat文件调用。不过都要准备两个东西：训练的prototxt和一个预训练的VGGNet的网络。