SSD算法代码介绍（一）：训练参数配置

SSD算法是object detection领域比较经典的算法，github上有一个写得比较好的MXNet版本的实现代码，项目地址：https://github.com/zhreshold/mxnet-ssd，目前该项目代码也已经并入MXNet官方github。想要本地实现可以参考项目地址中README.md的介绍或者参考博客：SSD算法的MXNet实现。

接下来这一系列博客想介绍该代码中关于实现SSD算法的一些细节，也会涉及部分Python语言的巧妙代码，以训练模型为切入口展开介绍，最好按顺序阅读，详细注释已经在代码中给出。

这一篇博客介绍训练模型的入口代码：train.py脚本，该脚本主要包含一些参数设置和主函数。

import argparse
import tools.find_mxnet
import mxnet as mx
import os
import sys
from train.train_net import train_net

def parse_args():
    parser = argparse.ArgumentParser(description='Train a Single-shot detection network')
    parser.add_argument('--train-path', dest='train_path', help='train record to use',
                        default=os.path.join(os.getcwd(), 'data', 'train.rec'), type=str)
    parser.add_argument('--train-list', dest='train_list', help='train list to use',
                        default="", type=str)
    parser.add_argument('--val-path', dest='val_path', help='validation record to use',
                        default=os.path.join(os.getcwd(), 'data', 'val.rec'), type=str)
    parser.add_argument('--val-list', dest='val_list', help='validation list to use',
                        default="", type=str)
    parser.add_argument('--network', dest='network', type=str, default='vgg16_reduced',
                        help='which network to use')
    parser.add_argument('--batch-size', dest='batch_size', type=int, default=32,
                        help='training batch size')
    parser.add_argument('--resume', dest='resume', type=int, default=-1,
                        help='resume training from epoch n')