1.登录服务器，安装docker和nvidia-docker，服务器中已有mxnet镜像，直接run一个容器。
2.数据集的挂载，先将本地数据集挂载到服务器上，利用sshfs命令，见上篇文章；run容器的时候，用-v命令将服务器的挂载点挂载到容器中。
3.修改配置文件：
（1）：修改ssd/tools下边的prepare_dataset.py中的命令,改为相应路径 指明
（2）：修改ssd/dataset/names/pascal_voc.names文件的名称，要和标注是的label名一样。
（3）：修改train.py中的 --train-path 、--train-list data_shape =300; batch_size = 32; begin_epoch =0; end_epoch=240;
(4)修改ssd/config/config_reader.py中的path，改为JPEGImages的绝对路径。
mxnet-ssd训练总流程：
1.写程序显示每张图片，并按‘y’能保存到相应的路径下，以此挑出符合条件的图片
2.将跳出的图片放到voc2007的jpegimages文件夹中
3.labelimage软件处理成.xml文件
4.编程实现train.txt test.txt trainval.txt val.txt。最重要的是训练和验证，验证集是在训练的时候验证模型。
5.将vgg16放到model下，数据集放到data下，修改names，用来检测.xml中各标签的数量。
6.生成.lst .rec
7.修改train.py的batch-size，data-shape，分类数量和名称，然后训练
8.评估，用训练数据
9.deploy，便于c++调用
10.写c++批量预测图片
出错：
（1）运行python train.py,出现mxnet.base.mxneterror: src/io/local_filesys.cc:86 localfilesystem /data error：no such file or directory
solve：进入train.py中，删除/data中的‘/’。
（2）python train.py 出错：error：no image in imdb
solve: 修改ssd/dataset/names/pascal_voc.names文件的名称，要和标注是的label名一样。
（3）：python train.py 出错：index3 is out of bounds for axis 1 with size 3
数据集的错误，.xml文件数量和JPEGImages文件夹中数量不一样。
solve：找到JPEGImages文件夹中有而Annotation文件夹中没有的图片，删除！
（4）cudaMalloc failed: out of memory
solve:退出容器，停止容器，重新进入容器，在训练就可以了。