Windows下Visual Studio Code基于Pascal2012开始训练(CPU)

本文链接：https://blog.csdn.net/weixin_40347907/article/details/83692866

初学：Windows下Visual Studio Code基于Pascal2012开始训练(CPU)

简单的将SSD跑起来，总结在Anaconda + Visual Studio Code下遇到的一些问题。因为在CPU中进行训练，只是将功能跑起来，确认流程。

0. 参考

https://blog.csdn.net/yexiaogu1104/article/details/77415990/

I. 数据训练集准备和SSD算法准备

Tensorflow SSD算法链接：
https://github.com/balancap/SSD-Tensorflow

Pascal2012 训练集：
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

II. 数据集准备

在Pascal2012下载数据集，数据集的内容如下：
Pascal2012训练数据主要在Annotations文件内和JPEGImages文件夹内。Pascal2012训练数据主要在Annotations文件内和JPEGImages文件夹内。
在linux可以使用bash的方式运行tf_convert_data.py（查看参考的链接），因为在windows VSC，也可以在terminal窗口中使用python命令。第三种方法是直接在tf_convert_data.py内的tf.app.flags.DEFINE_string输入数据集路径和输出TFRecords的路径，每次把文件放在固定路径里面运行。

tf.app.flags.DEFINE_string(    
'dataset_dir', 'C:/Users/Name/Documents/GitHub/SSD_Tensorflow/datasets/VOCtrainval_11-May-2012/VOCdevkit/VOC2012/','Directory where the original dataset is stored.')
tf.app.flags.DEFINE_string(    
'output_name', 'voc_2012_train','Basename used for TFRecords output files.')
tf.app.flags.DEFINE_string(    
'output_dir', 'C:/Users/Name/Documents/GitHub/SSD_Tensorflow/pascal_record/','Output directory where to store TFRecords files.')

数据集转换完成之后，数据集文件.TFRecoard存在文件夹：

>Converting image 17125/17125
Finished converting the Pascal VOC dataset!

运行出现错误的注意事项:

当出现以下提示时，有可能是应为训练集文件路径出现错误，请检查数据集：

tensorflow.python.framework.errors_impl.NotFoundError: NewRandomAccessFile failed to Create/Open: C:/Users/***/Documents/GitHub/***_SSD_Tensorflow/datasets/VOCtrainvaet

当出现以下提示时，有可能是硬盘空间不够导致：

tensorflow.python.framework.errors_impl.UnknownError: Failed to WriteFile:C:/Users/***/Documents/GitHub/***_SSD_Tensorflow//pascalvoc_070.tfrecord

出现No module named ‘python’的情况，如果使用Visual Studio Code Pylink，那么可以切换到pep8解决该问题。
https://stackoverflow.com/questions/49601292/python-not-finding-tensorflow-module-under-anaconda
outputname一定要设置对，如果不对，在训练导入数据事，会出现无法检测到数据的情况。

II. 算法训练 - 不使用Fine-tune

设定dataset_dir，训练集的文件夹地址：

tf.app.flags.DEFINE_string('dataset_dir', 'C:/Users/Name/Documents/GitHub/SSD_Tensorflow/pascal_record/', 'The directory where the dataset files are stored.')

设定训练输出文件路径checkpoint, data, meta, index的文件夹地址：

tf.app.flags.DEFINE_string('train_dir', 'C:/Users/Name/Documents/GitHub/SSD_Tensorflow/tmp/tfmodel/', 'Directory where checkpoints and event logs are written to.')

如果不使用fine-tune将checkpoint_path设定为None：

tf.app.flags.DEFINE_string('checkpoint_path', None,'The path to a checkpoint from which to fine-tune.')

在CPU中进行训练需要：

需要将数据格式调整为DATA_FORMAT = 'NHWC'
需要屏蔽session_config=config，该配置设置了GPU的资源分配，不适用可以屏蔽掉。

slim.learning.train(            
	train_tensor,            
	logdir=FLAGS.train_dir,            
	master='',            
	is_chief=True,            
	init_fn=tf_utils.get_init_fn(FLAGS),            
	summary_op=summary_op,            
	number_of_steps=FLAGS.max_number_of_steps,           
 	log_every_n_steps=FLAGS.log_every_n_steps,            
 	save_summaries_secs=FLAGS.save_summaries_secs,            
	saver=saver,            
	save_interval_secs=FLAGS.save_interval_secs,            
	#session_config=config,            
	sync_optimizer=None
)