caffe-ssd 配置、编译过程

大家好，终于把SSD整通了，现在我把整个过程搭建给你们讲讲。

caffe_ssd多目标检查效果还是非常好的，在线测试，FPS在20左右。我的训练的还是官方的数据集，其实我们可通过做自己的数据集得到预测模型也是可以的。

一、SSD编译

[plain] view plain copy

1. https://github.com/weiliu89/caffe.git  
2. git checkout ssd  

跟编译caffe 是一样的,进入到caffe的根目录里：

[plain] view plain copy

1. cp Makefile.config.example Makefile.config  

进入Makefile.config，设置如下，我们需要使用USE_CUDNN(前提你安装了CUDNN,整个详细的参考，戴尔笔记本双显卡配置nvidia367+cuda8.0+caffe）

[plain] view plain copy

1. mkdir build  
2. cd build  
3. cmake ..  
4. make all -j  
5. make install   
6. make runtest  
7. make pycaffe  

二、下载数据集

1、预训练模型下载：

链接: https://pan.baidu.com/s/1nuGojSP 密码: v9bg

2、下载VOC2007、VOC2012数据集

官网下载太慢了，我已经上传到了百度云

链接: https://pan.baidu.com/s/1mhVjuSo 密码: 8nm7

在home主目录下

[plain] view plain copy

1. mkdir data  
2. cd data  

把刚才下载的数据解压到data目录下

[plain] view plain copy

1. tar -xvf VOCtrainval_11-May-2012.tar  
2. tar -xvf VOCtrainval_06-Nov-2007.tar  
3. tar -xvf VOCtest_06-Nov-2007.tar  

(安装我整个顺序解压就可以了)

三、生成LMDA文件（自己制作数据也需要这样的）

我这里把pycaffe的环境加入～/.bashrc文件中

[plain] view plain copy

1. export PYTHONPATH=$PYTHONPATH:..../caffe/python  
2. source  ~/.bashrc  

进入到caffe 的根目录下

[plain] view plain copy

1. ./data/VOC0712/create_list.sh  
2. ./data/VOC0712/create_data.sh  

四、训练数据集及在线演示

1、训练数据集

打开caffe/examples/ssd/ssd_pascal.py，看到gpus='0,1,2,3' 该成gpus='0'

具体怎么看自己gpu id? 

[plain] view plain copy

1. nvidia-smi  

修改下 batch_size=1和 test_batch_size=1 （显存太小了，所以把网格设小点）

注意：迭代数增加，loss应该是逐渐减小，不然就容易发散了。

大概迭代到10000次，会test下，把test_batch_size设置为1,不然会出现显存溢出的情况

2、测试下：（我把训练好的模型进行测试，迭代了240000次）

[plain] view plain copy

1. python examples/ssd/score_ssd_pascal.py  

(主要测试下，训练的结果怎么样，0.9左右)

其实一般的情况在0.7左右

3、在线演示

见鬼了，在右边的空着的椅子出现个person:0.67 ，吓到我了

视频演示：

单张图片演示：我们可以使用：jupyter notebook

好了，下期给大家讲讲怎么制作自己的数据集，进行训练模型。

------------------------------2017.6.14 QAQ----------------------------------------

在生成lmda文件的时候，出现python一些错误？

终端执行：

sudo apt-get install python-skimage python-protobuf

大家好，终于把SSD整通了，现在我把整个过程搭建给你们讲讲。

caffe_ssd多目标检查效果还是非常好的，在线测试，FPS在20左右。我的训练的还是官方的数据集，其实我们可通过做自己的数据集得到预测模型也是可以的。

一、SSD编译

[plain] view plain copy

1. https://github.com/weiliu89/caffe.git  
2. git checkout ssd  

跟编译caffe 是一样的,进入到caffe的根目录里：

[plain] view plain copy

1. cp Makefile.config.example Makefile.config  

进入Makefile.config，设置如下，我们需要使用USE_CUDNN(前提你安装了CUDNN,整个详细的参考，戴尔笔记本双显卡配置nvidia367+cuda8.0+caffe）

[plain] view plain copy

1. mkdir build  
2. cd build  
3. cmake ..  
4. make all -j  
5. make install   
6. make runtest  
7. make pycaffe  

二、下载数据集

1、预训练模型下载：

链接: https://pan.baidu.com/s/1nuGojSP 密码: v9bg

2、下载VOC2007、VOC2012数据集

官网下载太慢了，我已经上传到了百度云

链接: https://pan.baidu.com/s/1mhVjuSo 密码: 8nm7

在home主目录下

[plain] view plain copy

1. mkdir data  
2. cd data  

把刚才下载的数据解压到data目录下

[plain] view plain copy

1. tar -xvf VOCtrainval_11-May-2012.tar  
2. tar -xvf VOCtrainval_06-Nov-2007.tar  
3. tar -xvf VOCtest_06-Nov-2007.tar  

(安装我整个顺序解压就可以了)

三、生成LMDA文件（自己制作数据也需要这样的）

我这里把pycaffe的环境加入～/.bashrc文件中

[plain] view plain copy

1. export PYTHONPATH=$PYTHONPATH:..../caffe/python  
2. source  ~/.bashrc  

进入到caffe 的根目录下

[plain] view plain copy

1. ./data/VOC0712/create_list.sh  
2. ./data/VOC0712/create_data.sh  

四、训练数据集及在线演示

1、训练数据集

打开caffe/examples/ssd/ssd_pascal.py，看到gpus='0,1,2,3' 该成gpus='0'

具体怎么看自己gpu id? 

[plain] view plain copy

1. nvidia-smi  

修改下 batch_size=1和 test_batch_size=1 （显存太小了，所以把网格设小点）

注意：迭代数增加，loss应该是逐渐减小，不然就容易发散了。

大概迭代到10000次，会test下，把test_batch_size设置为1,不然会出现显存溢出的情况

2、测试下：（我把训练好的模型进行测试，迭代了240000次）

[plain] view plain copy

1. python examples/ssd/score_ssd_pascal.py  

(主要测试下，训练的结果怎么样，0.9左右)

其实一般的情况在0.7左右

3、在线演示

见鬼了，在右边的空着的椅子出现个person:0.67 ，吓到我了

视频演示：

单张图片演示：我们可以使用：jupyter notebook

好了，下期给大家讲讲怎么制作自己的数据集，进行训练模型。

------------------------------2017.6.14 QAQ----------------------------------------

在生成lmda文件的时候，出现python一些错误？

终端执行：

sudo apt-get install python-skimage python-protobuf