在linux系统上用conda安装github上基于pytorch1.0的SSD模型解决下载太慢和配置使用问题

我的小程序：

待办计划：给自己立个小目标吧！

基于pytorch1.0的SSD模型地址：

https://github.com/lufficc/SSD

首先安装anaconda，anaconda下载地址为：

Anaconda | Anaconda Distribution

因为该SSD模型基于python3，所以下载python3.7版本的anaconda。下载的下来的文件是一个.sh文件，直接在终端输入文件名.sh运行安装。

anaconda安装完成后，基本就是按github上的安装步骤进行安装：

安装过程中碰到的主要问题是，有些包下载太慢，无法下载成功，下载到一半就断了。

如下载pytorch的时候，运行：conda install pytorch torchvision -c pytorch

得到下面的结果：

解决办法是到pytorch的官网按自己的需求用pip安装或先把pytorch的.whl文件下载下来再安装（pytortch官网：PyTorch）。

上图中还有两个包没下载成功，一个是python3.7.2，另一个是cudatoolkit。这两个包看自己需求，因为我机器上本身已经安装了python3.7.1，所以对于安装python3.7.2不是必须的，可以忽略。另外自己电脑只能用cpu跑，所以也不用安装cudatoolkit。所以这两个安装失败的包对整个任务没影响，那就继续往下。

这里也是一点反思：不要追求完美主义，灵活的看待问题。上面虽然有两个包没安装成功，但其实对全局没有任何影响，完全可以忽略，继续推进整个任务。当时安装的时候，看着很不爽，一直纠结怎么安装成功，浪费了很多时间。

安装opencv时也出现同样的问题，运行：conda install opencv：

有3个包没安装成功。这回聪明点，不纠结把他们全部安装成功，继续往下。往下真的跑代码的时候会发现，import cv2的时候会报错，说没有cv2模块，说明刚才的cv2没安装成功。解决办法是运行如下两条命令：

pip install opencv-python

pip install opencv-contrib-python

按step-by-step installation把基本模块都装好后，接下来需要编译这个SSD模型，进入模型下面的ext文件夹，运行下面的命令：

python build.py build_ext develop

在我的机器上报如下错误：fatal error:math.h:No such file or directory：

发现在usr/inclucde下面没有math.h文件，解决办法是终端运行如下命令：

sudo apt-get install build-essential

重新编译SSD即可。

按照自己的需求，对SSD配置的文件做了一些修改：

• 把SSD\configs\ssd300_voc0712.yaml文件的MAX_ITER改成100（只是想验证下模型是否可以成功运行，稍微跑个100次即可），BATCH_SIZE改成10（电脑配置太低，BATCH_SIZE太大可能会很卡）；
• SSD\ssd\config\path_catlog.py文件的DATA_DIR改成自己的数据集目录：/home/bina/download/VOCdevkit，然后VOCdevkit目录下就是VOC2007和VOC2012两个文件夹；
• SSD\ssd\config\defaults.py文件的_C.MODEL.DEVICE改成“cpu”，_C.SOLVER.MAX_ITER改成100，_C.SOLVER.BATCH_SIZE改成10

然后就是在SSD目录下执行下面的命令来训练模型：

python train_ssd.py --config-file configs/ssd300_voc0712.yaml --vgg 自己的目录/vgg16_reducedfc.pth --log_step 10 --save_step 50 --eval_step 100

log_step：每10步打印信息；

save_step：每50步保存checkpoint；

eval_step：每100步评估模型

出现类似下面的信息表示成功安装了SSD并且正在训练模型：

Congratulations!

待办计划：给自己立个小目标吧！