SSD的配置安装与测试——cpu版本修改ssd_pascal.py文件

最新推荐文章于 2024-10-12 01:10:24 发布

yx2017

最新推荐文章于 2024-10-12 01:10:24 发布

阅读量3.8k

点赞数

分类专栏： ssd

ssd 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

继yolo-darknet后，又一个SSD的配置教程，希望可以帮助大家。若不能配置成功，请与我联系，邮箱：ahuljx@126.com

注意：1、要求Ubuntu系统预先安装opencv和cuda7.5，如果您没有安装，请参考我的博客：http://blog.csdn.net/samylee/article/details/51684856

2、有些您复制的终端命令如果不能在终端运行，请注意英文全角半角问题，您可以将命令输入终端，无须复制粘贴命令

第一部分：安装SSD（caffe）

1、安装git

终端输入：

sudo apt-get install git

2、安装SSD

在主文件下终端输入（即/home/***（您的服务器名字）这个目录）：

git clone https://github.com/weiliu89/caffe.git

cd caffe

git checkout ssd（出现“分支”则说明copy-check成功）

第二部分：配置SSD（caffe）
终端输入：
cd /home/**（您服务器的名字）/caffe
cp Makefile.config.example Makefile.config
打开Makefile.config，修改之处可以参考我的Makefile.config文件，文件地址：（链接：http://pan.baidu.com/s/1mgVN57i 密码：34e6）保存退出。
终端输入：
cd /home/**（您服务器的名字）/caffe
mkdir build
cd build
cmake ..（cmake和..中间又一个空格）
make all -j16（"‐j16"是使用 CPU 的多核进行编译,可以极大地加速编译的速度）
make install
make runtest（这一步不是必须的）
make pycaffe（编译pycaffe）

第三部分：下载数据文件

1、预训练模型下载

下载地址：链接：http://pan.baidu.com/s/1slpaEO9 密码：loxo

在caffe/models文件夹下新建文件夹，命名为VGGNet，将刚刚下载下来的文件放入这个VGGNet文件夹当中

2、下载VOC2007和VOC2012数据集

在主文件夹下（即/home/**（您服务器的名字）/）新建文件夹，命名为data

终端输入：

cd /home/**（您服务器的名字）/data

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
解压这三个文件，终端输入：
cd /home/**（您服务器的名字）/data
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar（请严格按照这个顺序解压）

第四部分：生成LMDB文件

终端输入：
cd /home/**（您服务器的名字）/caffe
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh

在运行第三步时如果出现no module named caffe或者是no module named caffe-proto，则在终端输入：

export PYTHONPATH=$PYTHONPATH:/home/**（您服务器的名字）/caffe/python

然后再次运行第三步

第五部分：训练测试演示
1、训练
打开caffe/examples/ssd/ ssd_pascal.py这个文件，找到 gpus=’0,1,2,3’这一行，如果您的服务器有一块显卡，则将 123删去，如果有两个显卡，则删去 23，以此类推。如果您服务器没有gpu支持，则注销以下几行，程序会以cpu形式训练。（这个是解决问题 cudasuccess（10vs0）的方法）
#Ifnum_gpus >0:

# batch_size_per_device =int(math.ceil(float(batch_size) / num_gpus))

#iter_size =int(math.ceil(float(accum_batch_size) / (batch_size_per_device * num_gpus)))

# solver_mode =P.Solver.GPU
# device_id =int(gpulist[0])
保存后终端运行：
cd /home/**（您服务器的名字）/caffe
python examples/ssd/ssd_pascal.py
如果出现问题 cudasuccess（2vs0）则说明您的显卡计算量有限，再次打开caffe/examples/ssd/ ssd_pascal.py这个文件，找到 batch_size =32这一行，修改数字 32，可以修改为 16，或者 8，甚至为 4（相信大家这个修改可以理解，我就不作说明了），保存后再次终端运行 python examples/ssd/ssd_pascal.py
2、测试
终端输入：
python examples/ssd/score_ssd_pascal.py（演示detection的训练结果，数值在 0.718左右）
3、演示
演示网络摄像头识别效果，终端输入：
python examples/ssd/ssd_pascal_webcam.py
demo结果如下（这里我只帖一张演示图，不过这是我从摄像头实时检测结果中截取的）：

第六部分：后续我会更新SSD训练自己数据的博文，大家敬请期待。