SSD训练自己的数据集pytorch实现！！踩坑实录

最新推荐文章于 2024-05-24 20:01:18 发布
置顶 最新推荐文章于 2024-05-24 20:01:18 发布
阅读量1.1w 收藏 64
点赞数 11
文章标签： pytorch ssd bug keras python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43935669/article/details/102766183
版权

SSD训练自己的数据集pytorch实现！！踩坑实录

大部分人都是按照这个github上的pytorch实例进行的，毕竟是3年前的东西，bug不是一般的多啊！！！
大神的github 链接: link.

我先开始用tensorflow和keras 没一个能实现的 代码都血坑无比

caffe实现的多 但是我在windows上 实现，没办法装caffe 佛了

有ubuntu的童鞋还是考虑caffe去源码实现把

我的配置

1060显卡 阉割版5GB
pytorch 1.01 虽然0.41最好用
可能会出现一些warning 但是完全没有关系
CUDA 9.0

安装pytorch

按照github上的pytorch handbook按照教程下载把
链接: link.
https://github.com/zergtant/pytorch-handbook

// A code block
pytorch handbook

在这里插入图片描述

一些大神的塘坑血泪史，https://blog.csdn.net/dingkm666/article/details/88775428
https://blog.csd

最低0.47元/天 解锁文章
腼腆的海风
关注
  • 11
    点赞
  • 踩
  • 64
    收藏
    觉得还不错? 一键收藏
  • 49
    评论
SSD-Pytorch模型训练自己的数据集
科研鬼才的博客
04-22 7550
开始之前声明: 博主用的环境是ubuntu18.04+anaconda3+pytorch1.4+pycharm 1.下载SSD-Pytorch代码 SSD-pytorch代码链接： https://github.com/amdegroot/ssd.pytorch git clone https://github.com/amdegroot/ssd.pytorch 运行该代码下载到本地（如果下...
SSD-Pytorch训练和测试自己的数据集（新手必看）
kaimingD的博客
03-24 4万+
目录 1.准备自己的数据集 2.pytorch环境安装即SSD-pytorch代码下载 3.正常的修改 修改1：config.py 修改2：VOC0712.py 修改3：train.py 修改4：eval.py 修改5：ssd.py 4.遇到的问题和相应的解决办法 问题1： ...
预训练权重参数和模型不匹配size mismatch for module.head.head.fc.weight和size mismatch for module.head.head.fc.bias
最新发布
qq_44807946的博客
05-24 173
下午为训练好的模型写一下测试的demo文件，在加载模型的地方卡住了，一开始设置了strict=False，但是识别的效果极差，而且离谱的是用验证集里面的图片识别也是很多乱码，开始恐慌，难道是训练了这么久的模型有问题吗，后来开始调试，尝试各种修改方案，CSDN太厉害了，我刚刚看到一篇博客就灵光一闪，是某个参数错了，修改了之后成功加载了！这个错误代表的是分类数不匹配，我去看了一下配置文件，果然字符分类数设置成了1000，模型的分类数是6644。训练的时候有修改，但是测试的代码中没有修改，于是出现错误了。
用SSD-Pytorch训练自己的数据集-完整教程
BrightHammer 的博客
05-03 1万+
用SSD-PyTorch训练自己的数据集-完整教程本机系统环境SSD-PyTorch安装与测试复制源码下载数据集COCOVOC 2007 & 2012修改源码下载权重文件测试训练自己的数据集准备数据集源码修改训练与测试 本机系统环境 Ubuntu 18.04 Miniconda3 4.6.14 python 3.7.3 PyTorch 1.0.1 SSD-PyTorch安装与测试 复制...
【四二学堂】-Python爬虫入门之一
weixin_39593940的博客
03-24 411
Python爬虫入门之一 一、运行环境 1、系统：Win10 2、Python版本：python3.6.6 3、IDE：PyCharm 二、requests 库的安装 pip install requests 三、新建项目 新建项目：zhaopingou， 新建文件:index.py import requests #导入requests库 r=requests.get('http://w...
SSD-pytorch踩坑及修正（StopIteration）
打工人陈墨的博客
09-13 8071
SSD-pytorch踩坑ssd-pytorch代码链接bug解决方案 ssd-pytorch代码链接 github上的：https://github.com/amdegroot/ssd.pytorch bug 这篇博客写的基本上没什么问题，但是其实也有坑。 https://blog.csdn.net/sinat_39307513/article/details/84646177 在这篇博客的评论...
python 提示 keyError 的4种解决方法
热门推荐
学长的猫的博客
07-20 18万+
https://blog.csdn.net/u011089523/article/details/72887163 在读取dict的key和value时，如果key不存在，就会触发KeyError错误，如： Python t = { 'a': '1', 'b': '2', 'c': '3', } print(t['d']) 就会出现： <code class="language-plain hljs" style="f
在训练ssd网络的时候，报label_idx = self.class_to_ind[name]， KeyError = ‘c‘的错误
weixin_48306625的博客
10-18 899
在训练ssd网络的时候，报label_idx = self.class_to_ind[name]， KeyError = 'c'的错误
pytorch实现minist手写数据集训练
06-06
使用torchvision.datasets模块加载...训练过程定义训练循环次数epoch，遍历训练数据集并向前传播、计算损失、反向传播、更新参数使用批量训练（mini-batch）来加速训练过程，同时监控训练集上的准确率和损失函数值。
全卷积网络基于voc2012数据集简单pytorch实现
04-20
在这个项目中，我们将探讨如何在PyTorch框架下，使用VOC2012数据集来实现一个简单的FCN。 VOC（PASCAL Visual Object Classes）数据集是一个广泛使用的计算机视觉研究平台，它包含了多个类别的物体识别、分割和检测...
Dynamic-convolution-Pytorch:Pytorch !!! Pytorch !!! Pytorch !!! 动态卷积
05-29
Pytorch!!!Pytorch!!!Pytorch!!! Dynamic 3d/2d convolution and some models' accuracy. 2020/8/30 Basic dynamic 2d and 3d convolution done. Next:some basic models and accuracy rate. 代码实现的原理 如果...
Pytorch实现DCGAN深度卷积生成对抗网络 CelebA数据集可训练
06-05
# Pytorch实现DCGAN深度卷积生成对抗网络 CelebA数据集可训练 1. 使用DCGAN的基本结构，判别器采用卷积层，生成器采用转置卷积层。为了提升判别器的性能，判别器修改为了多尺度PatchGAN。 2. 包含训练程序和推理程序...
使用pytorch进行气温的预测 里面包含数据集和代码！
10-07
这个项目包括了一个名为“搭建PyTorch神经网络进行气温预测.ipynb”的Jupyter Notebook文件，以及一个名为“temps.rar”的数据集。 首先，我们来了解时间序列预测。时间序列分析是一种统计方法，用于分析和预测按...
SSD目标检测（TensorFlow+pycharm）运行自制数据集，遇坑盘点
weixin_43247746的博客
05-30 3265
前言：最近尝试了下SSD，没看到windows下pycharm版本的教程。遇到各种坑，总结一下。（转载请加链接） 在此先推荐几个不错的博文：https://blog.csdn.net/weixin_39881922/article/details/80569803（源代码从此博文下载） https://blog.csdn.net/clover_my/article/details/88844697 https://blog.csdn.net/zhangjunp3/article/details/805973
【目标检测】SSD算法--损失函数的详解(tensorflow实现）
Tomxiaodai的博客
09-03 1万+
SSD的损失函数包含用于分类的log loss 和用于回归的smooth L1，并对正负样本比例进行了控制，可以提高优化速度和训练结果的稳定性。 总的损失函数是分类和回归的误差的带权加和。α表示两者的权重，N表示匹配到default box的数量 1 loc的损失函数：smooth L1   y_true：shape:  (batch_size,n_boxes,4) ,最后一个维度...
SSD模型训练技巧
u013533037的博客
01-08 2238
1、训练参数调整 描述：训练参数对收敛速度以及最终精度有影响。 措施：了解每个参数的背后的数学意义，改变参数，进行对比实验。 2、数据集样本总量 描述：训练模型所使用的数据集样本量越多，效果越好。 措施：一边训练一边增加样本量，尤其是样本量相对较低的某一类。样本可以手工做，也可以找公开的数据集。 3、样本的类别 描述：对于样本类别的划分会对结果产生影响。 措施：减少样本种类。例如将长头发、短头发、...
【未解决】【求助帖】size mismatch for encoder.layer.9.output.dense.weight: copying a param with shape torch
BetrayFree的博客
10-25 981
看着这个报错就是所选的模型和这个权重文件size是不匹配的，那既然不匹配我们就需要考虑去找一些模型是他对应的上模型就可以了，这里边用的是bert模型，所以也需要对应的bert模型来与之对应。
Python中KeyError: 的解决方法
学习永无止境
02-22 12万+
出现这种错误，首先要看一下你是否使用了字典，错误提示的意思是找不到对应的键值。 例如，给定如下字典： book_dict = {"price": 500, "bookName": "Python设计", "weight": "250g"} 若是查找字典中存在的key，则正常输出： print(book_dict["price"]) 运行结果如下： 若是查找字典中不存在的key，则报错： print(book_dict["sdfs"]) 如上所示，报错提示就是KeyError:。对于这种问题，可以使
SSD训练数据集流程（学习记录）
hhb3329的博客
09-14 7710
SSD训练数据集流程（学习记录）
ssd训练自己的数据集pytorch
06-28
### 回答1： 首先，您需要准备好自己的数据集，并将其转换为PyTorch可以处理的格式。接下来，您可以使用PyTorch中的DataLoader和Dataset类来加载和处理数据集。然后，您可以使用PyTorch中的SSD模型来训练您的数据集。在训练过程中，您可以使用PyTorch中的优化器和损失函数来优化模型，并使用PyTorch中的TensorBoard来可视化训练过程和结果。最后，您可以使用训练好的模型来进行目标检测任务。 ### 回答2： PyTorch是一个非常流行的框架，用于创建深度学习模型。在这个框架中，SSD（Single Shot MultiBox Detection）是一个非常流行的算法，用于目标检测。训练自己的数据集，可以是人脸、车辆等目标的检测。 1. 数据预处理：将数据集按照一定的格式进行预处理，将图片转换为张量，通过数据扩充等技术增加可训练数据量。 2. 标注数据：应该对每张图像进行标注，标注的信息是目标的位置和大小。 3. 分配训练/验证数据集：将数据集分成两部分，一个部分作为训练集，一个部分作为验证集。用训练集进行模型的训练，用验证集来评估模型的性能。 4. 定义模型结构：在PyTorch中，使用一个类来定义模型的结构，每个类需要包含一个前向函数和一个反向函数。 5. 定义损失函数：根据任务的特性，选择不同的损失函数。对于目标检测任务，可以选择IoU损失函数。 6. 训练模型：定义优化器，在每个epoch中选择一批数据进行模型训练，计算损失函数，并进行反向传播。 7. 验证模型：用验证集来评估模型的性能，对于目标检测任务，可以使用mAP指标评估模型的性能。 8. 测试模型：使用测试集来评估模型的性能，并得到检测结果。 总之，训练SSD模型需要进行数据预处理、数据标注、模型定义、训练、验证和测试。在整个过程中，需要使用不同的工具和技术来进行处理，如OpenCV可用于图像处理，Numpy和Pandas可用于数据处理，PyTorch可用于模型训练。 熟练掌握这些技术的应用，会使模型的训练和优化都更加高效。 ### 回答3： 在机器学习领域，自己收集数据集进行训练是一种常见的做法。如果你希望使用PyTorch来训练自己的数据集，那么以下的步骤可能会帮到你。 第一步是收集数据。需要确保数据质量以及标签的正确性，如果标签错误，导致模型所训练到的内容没什么意义。之后需要将这些数据集按照机器学习领域常用的训练集、测试集、验证集进行划分。 第二步是进行数据处理。需要准备一份代码，使得可以将数据进行载入、预处理、转换成模型可以接受的形式。 第三步是进行数据增强。数据增强可以让模型在处理未知数据时泛化性能更优，一些增强方式如图像旋转、缩放、随机翻转等等。 第四步是设计自己的模型或者可以使用预先训练好的模型用于fine-tune。很多人会使用预先训练好的模型例如ResNet等。 第五步是指定模型的损失函数，训练方式，优化器等等。 第六步是训练模型，这一步需要消耗大量的计算资源。当模型训练完成之后，可以选择将模型进行测试，并且对模型的性能做出评价。如果模型效果不好，需要重新进行前面的步骤检查错误。 最后，当模型性能得到满意的改善之后，你可以将其应用于其他数据集，或者部署成可用的服务，使得任何人都可以使用这个模型来进行预测和分类。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 49
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值