1)自己样本的保存形式,最好仿照VOC样本集,这样可以避免很多修改py文件的的麻烦
一般自己样本 保存在 lib/dataset 中 自己样本主文件也可以叫VOCdevkit
2)跑训练文件的是 tools/train_net.py 文件,当然也可以跑作者写好的脚本experiment/script/ 下的脚本文件(选择你想使用的训练方式 1)四步交替方式 2)端对端方式
3)选择你要跑的数据集,是pascal的还是coco ,这两种图片集对着不同的py文件,这就要选择适合的数据集和适合的文件一一对应,上述的VOCdevkit数据存放个事 对应着pascal数据集训练文件,预训练网络,和imagenet训练出来的初始化参数
4) 跑自己的VOCdevkit 数据集,要用到lib/dataset 文件下的pascal_voc.py和factory.py 文件,这两个py都是定义训练配置的,至于想修改网络 请去/model下,选择你想要训练的网络模型,至于imagenet训练出来的初始化参数在/data/imagenet_model文件夹下,若你想训练数据类型和imagenet数据集很近似,可以选用这个参数模型进行泛化。、
下面表出几个常用数据集:
1. MNIST
深度学习领域的“Hello World!”,入门必备!MNIST是一个手