SSD.pytorch 配置过程@[TOC](SSD.pytorch 配置过程)
主要是记录一下过程,省的忘记
第一次写,侵犯了利益请私信我…
此版本的源码为:https://github.com/amdegroot/ssd.pytorch 这是star最多的一个版本。另一个新的版本有空再测试。
这里主要参考了以上两位大佬的csdn,碰到的问题个有不同,可以去看看两位的文章。
https://blog.csdn.net/qq_21464351/article/details/104838456
https://blog.csdn.net/dingkm666/article/details/88775428
数据集准备
如果已经下载好数据集,那就直接复制。此版本的ssd主要支持coco和voc(2007,2012)。
对于初学者,应该主要接触到voc2007。
将下载好的数据集,按照以下格式放在文件中注:有时候从一些途径下载的voc数据集可能会有文件缺失的问题,建议使用readme提供的方式进行下载。ubuntu环境中,使用代码便可自动下载。
在这里插入代码片
# specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/VOC2007.sh # <directory>
coco没使用过,先暂时不考虑。但该框架中使用到了coco,如果没有coco相应的文件会出现错误。作者已经在文件中给了coco_label的文件,只要找到它,添加路径便可。
FileNotFoundError: [Errno 2] No such file or directory: '/home/*****/1code/ssd.pytorch/data/coco/coco_labels.txt'
此时,需要修改coco.py文件。上面代码中的HOME是/home/用户名/,后面只需要添加上路径便可。同时需要在data文件夹下新建coco文件夹,然后将coco_label文件放进去。或者直接改为label文件的路径。
需要修改的文件
1.coco.py
前面已经提到,不多说。
2.voc0712.py
训练自己的数据的时候,修改classes类别。
同时修改数据集路径如上。
此框架还使用了voc2012的数据集,如果没有的话,可进行以下的修改。
3.data/config.py
根据自己的数据集,修改classes类别数(背景+1)
在初次训练的时候,可以更改max_iter迭代次数,该小一点,进行尝试。ps:有些时候,训练不出问题,但是到保存或者中途评估精度的时候会出错。
4.train.py
这里主要修改修改预训练模型,batchsize,lr,模型保存地址,其实迭代点。
碰到loss为nan,loss越来越大,出现了梯度爆炸,需要修改lr。
timer: 5.0034 sec.
iter 0 || Loss: 26.6383 || timer: 0.9478 sec.
iter 10 || Loss: 29.9359 || timer: 0.2630 sec.
iter 20 || Loss: 21.6470 || timer: 0.2684 sec.
iter 30 || Loss: 49.8248 || timer: 0.2665 sec.
iter 40 || Loss: 39868.8008 || timer: 0.2547 sec.
iter 50 || Loss: nan || timer: 0.2559 sec.
iter 60 || Loss: nan || timer: 0.2714 sec.
iter 70 || Loss: nan || timer: 0.2584 sec.
这里根据使用的pytorch版本不同,会出现奇怪的错误。
loss_c[pos] = 0 # filter out pos boxes for now
IndexError: The shape of the mask [32, 8732] at index 0 does not match the shape of the indexed tensor [279424, 1] at index 0
Process finished with exit code 1
现在1.8已经出来了,在这里就默认使用1.x之后的版本了,需要更改loss.item(),如下图。183 184 188 行
(191应该也是要该的,但我看网络上他们没有特别提到。应该是要使用到visdom才需要改,后面再作尝试)
更改train.py 167行
try:
images, targets = next(batch_iterator)
except StopIteration:
batch_iterator = iter(data_loader)
images, targets = next(batch_iterator)
5.ssd.py
32行修改class类别数
https://blog.csdn.net/qq_21464351/article/details/104838456 这个文章中写到不用+1,但是我看源代码在没有修改的时候,默认使用vco的类别数为21。
现在暂时没有试验,后续再试一下到底用不用+1
6.eval.py
39行,使用自己的模型进行评估的时候,需要更改这个名称。
碰到的问题
还没碰到,刚开始,待补充…
问题1:
iter 240 || Loss: 8.2689 || timer: 3.1702 sec.
iter 250 || Loss: 7.4981 || Traceback (most recent call last):
File "/home/alairxu/1code/ssd.pytorch/train.py", line 255, in <module>
train()
File "/home/alairxu/1code/ssd.pytorch/train.py", line 165, in train
images, targets = next(batch_iterator)
File "/home/alairxu/miniconda3/envs/pytorch15/lib/python3.7/site-packages/torch/utils/data/dataloader.py", line 345, in __next__
data = self._next_data()
File "/home/alairxu/miniconda3/envs/pytorch15/lib/python3.7/site-packages/torch/utils/data/dataloader.py", line 831, in _next_data
raise StopIteration
StopIteration
Process finished with exit code 1
更改train.py 167行
try:
images, targets = next(batch_iterator)
except StopIteration:
batch_iterator = iter(data_loader)
images, targets = next(batch_iterator)
问题2:
"Legacy autograd function with non-static forward method is deprecated. "
RuntimeError: Legacy autograd function with non-static forward method is deprecated. Please use new-style autograd function with static forward method. (Example: https://pytorch.org/docs/stable/autograd.html#torch.autograd.Function)
FATAL: exception not rethrown
降低版本,1.3之后就使用这个新命令了,故降低到1.2
插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片
.
// An highlighted block
var foo = 'bar';
生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
创建一个表格
一个简单的表格是这么创建的:
项目 | Value |
---|---|
电脑 | $1600 |
手机 | $12 |
导管 | $1 |
设定内容居中、居左、居右
使用:---------:
居中
使用:----------
居左
使用----------:
居右
第一列 | 第二列 | 第三列 |
---|---|---|
第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:
TYPE | ASCII | HTML |
---|---|---|
Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
Quotes | "Isn't this fun?" | “Isn’t this fun?” |
Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
创建一个自定义列表
-
Markdown
- Text-to- HTML conversion tool Authors
- John
- Luke
如何创建一个注脚
一个具有注脚的文本。1
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.
你可以找到更多关于的信息 LaTeX 数学表达式here.
新的甘特图功能,丰富你的文章
- 关于 甘特图 语法,参考 这儿,
UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:
这将产生一个流程图。:
- 关于 Mermaid 语法,参考 这儿,
FLowchart流程图
我们依旧会支持flowchart的流程图:
- 关于 Flowchart流程图 语法,参考 这儿.
导出与导入
导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。
导入
如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。
注脚的解释 ↩︎