SSD.pytorch 配置过程

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

1. 项目1
2. 项目2
3. 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 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

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。

---

1. 注脚的解释 ↩︎