caffe学习（8）：caffe-ssd分支训练测试

资源参考

https://github.com/weiliu89/caffe/tree/ssd

下载caffe-ssd根目录压缩包，并传到ubuntu上解压。

编译

编译很多东西要参考caffe学习（2）：ubuntu18.04安装caffe环境并编译—GPU环境
但其实我caffe环境已经搭成一遍，这次很简单。

make all -j12 # 我的电脑核比较多
make py -j12 #注意，官方提供的源码是不需要这步的，ssd中要用到
make test -j12
make runtest -j12

下载数据

1. 准备VGGNet模型
   放在CAFFE_ROOT/models/VGGNet/
2. 下载VOC数据集

数据格式转换

1. 创建LMDB file

cd $CAFFE_ROOT
# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh
# You can modify the parameters in create_data.sh if needed.
# It will create lmdb files for trainval and test with encoded original image:
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
# and make soft links at examples/VOC0712/
./data/VOC0712/create_data.sh

create_data.sh用这个时报错，发现create_data.sh文件中
python改为python2，因为我配的环境是基于python2.7的。

训练/评估

训练

# It will create model definition files and save snapshot models in:
#   - $CAFFE_ROOT/models/VGGNet/VOC0712/SSD_300x300/
# and job file, log file, and the python script in:
#   - $CAFFE_ROOT/jobs/VGGNet/VOC0712/SSD_300x300/
# and save temporary evaluation results in:
#   - $HOME/data/VOCdevkit/results/VOC2007/SSD_300x300/
# It should reach 77.* mAP at 120k iterations.
python examples/ssd/ssd_pascal.py

这个例子用的模型是CAFFE_ROOT/models/VGGNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel
报错1Check failed: error == cudaSuccess (10 vs. 0) invalid device ordinal
这是由于GPU数量不对导致的，打开ssd_pascal.py文件，找到第332行，gpus = "0，1，2，3"改为gpus = "0"，0表示1个GPU，1表示2个GPU。
报错2math_functions.cpp:250] Check failed: a <= b <0 vs -1.19209e-007>，我还不知道为什么，但打开/caffe/src/caffe/util/math_functions.cpp注释第250行。此报错2结合报错4看。

报错3Caffe: Data layer prefetch queue empty这是因为CPU读取lmdb数据的速度远低于GPU速度。还在读取数据，GPU等待中。
打开create_data.sh文件，SSD模型要求输入图片为300*300。修改重新生成lmdb格式文件。
报错4 注释掉了报错2中//CHECK_LE(a,b);导致后边训练会报错Data layer prefetch queue empty。把//CHECK_LE(a,b);注释取消。然后找到/caffe/src/caffe/util/sampler.cpp，作如下改动，加上红色框出来的内容。

然后训练：python examples/ssd/ssd_pascal.py成功开始训练。

报错5 结果训练到1000次迭代，显存不够了。
因为我设置了每1000次迭代进行一次测试，测试的时候也需要给测试分配显存，故显存不够了。我有两块显卡，一块显卡大概10G显存。训练需要10G显存，测试需要2.5G显存。（显存和GPU的使用和batch_size设置的大小有关）故我用上两块显卡就成功解决问题。

评估

# If you would like to test a model you trained, you can do:
python examples/ssd/score_ssd_pascal.py

score_ssd_pascal.py代码内容ssd_pascal.py差不多。只是这份里面截取了test的部分。运行一下得到

detection_eval即是mPA，平均准确率。由于我是拿了这个数据集的前1000个图片，训20类，才1000次迭代。准确率非常低。这里只是跑通这个过程。

使用网络摄像头测试模型

python examples/ssd/ssd_pascal_webcam.py

SSD算法过程查看

查看examples/ssd_detect.ipynb或examples/ssd/ssd_detect.cpp了解如何使用SSD模型检测对象。查看examples/ssd/plot_detections.py如何绘制ssd_detect.cpp输出的检测结果。