ubuntu下配置SSD网络全过程

╰+攻爆jí腚メ 2022-05-28 02:57 264阅读 0赞

The Single Shot Detector(SSD)是 [UNC Chapel Hill（北卡罗来纳大学教堂山分校）][UNC Chapel Hill] 的 [Wei Liu][] 大神在2016的ECCV上面提出的，论文题目《SSD：Single Shot MultiBox Detector》，项目代码地址：[https://github.com/weiliu89/caffe/tree/ssd][https_github.com_weiliu89_caffe_tree_ssd]

网址里面有详细的配置运行步骤，这里简单的做下整理，本人环境ubuntu 16.04 LTS，显卡GTX 760，中间出现过一些问题，但是通过百度基本都解决了，后面会给出可能出现问题以及解决方案：

（1）安装

假设你下载了源代码并解压到文件夹**$****caffe-ssd**，注意**$caffe-ssd**是你的**caffe-ssd**绝对路径，因人而异，依次执行以下命令：

\#进入到你源码的文件夹下，因人而异

cd **$caffe-ssd**

\#Modify Makefile.config according  to  your Caffe installation.

cp Makefile.config.example Makefile.config

make -j8

\#这里非常重要，就是將**$caffe-ssd**/python路径添加到PYTHONPATH

\#注意这里需要永久添加，不然下次你重启后，这个设置就失效了，参考方法如下：

\#在ubuntu终端下输入下列命令

gedit /etc/profile

\#在打开的文件后面添加下面一行代码，特别注意**$caffe-ssd**是你的**caffe-ssd**绝对路径，因人而异：

export PYTHONPATH=**$****caffe-ssd**/python:$PYTHONPATH

\#然后在ubuntu终端输入以下命令，目的是使刚才的修改立即生效，而不用重启电脑

source /etc/profile

\#然后在ubuntu终端下回到**$****caffe-ssd**目录，执行以下命令：

**make py        \#或者make pycaffe（非常重要）  **

make test -j8

\#下面这一条命令可选

make runtest -j8

（2）准备

1、下载VGGNet，地址：[fully convolutional reduced (atrous) VGGNet][fully convolutional reduced _atrous_ VGGNet]，如果下载地址进不去，就去最上面的源码网站下载，比较容易找到的，假设你存放在目录**$caffe-ssd**/models/VGGNet下。

2、下载VOC2007和VOC2012数据集，默认情况下存放在**$HOME/data/**，这里是特别重要的，本人没有存放在这里，所以下面的步骤（3）操作就不是很方便，需要自己在相应的脚本文件中修改路径，所以建议存在默认的**$HOME/data/**下，这个也比较容易找到。

\# 下载压缩包数据

cd **$HOME/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

\# 解压数据

tar -xvf VOCtrainval\_11-May-2012.tar

tar -xvf VOCtrainval\_06-Nov-2007.tar

tar -xvf VOCtest\_06-Nov-2007.tar

（3）创建LMDB文件

cd **$****caffe-ssd**

\#在data/VOC0712下创建trainval.txt，test.txt与test\_name\_size.txt

./data/VOC0712/create\_list.sh

./data/VOC0712/create\_data.sh

（4）训练和验证

\# It will create model definition files and save snapshot models in:

\#   - $CAFFE\_ROOT/models/VGGNet/VOC0712/SSD\_300x300/

\# and job file, log file, and the python script in:

\#   - $CAFFE\_ROOT/jobs/VGGNet/VOC0712/SSD\_300x300/

\# and save temporary evaluation results in:

\#   - $HOME/data/VOCdevkit/results/VOC2007/SSD\_300x300/

\# It should reach 77.\* mAP at 120k iterations.

\#如果你只是想看看SSD的效果，下面这条命令可以先不执行

python examples/ssd/ssd\_pascal.py

\# 当然上述这条命令可能出现一些问题，要学会看错误，找到最早报错的地方，然后一个一个的解决，一般来说，你遇到的问题大多网上都能查得到，你需要的是组织好的你语言，然后百度搜索，比如：

1.找不到“VGG\_ILSVRC\_16\_layers\_fc\_reduced.caffemodel”，下载地址[VGG\_ILSVRC\_16\_layers\_fc\_reduced.caffemodel][VGG_ILSVRC_16_layers_fc_reduced.caffemodel] 然后将其放到你的**$****caffe-ssd**/models/VGGNet目录下。

2.报类似“Check failed: error == cudaSuccess (10 vs. 0) invalid device ordinal”的错误

解决方法：将ssd\_pascal.py文件中第332行gpus = "0，1，2，3"的GPU选择改为gpus = "0"，后面的1，2，3都删掉即可。再次训练即可。

3.报类似“Check failed: error == cudaSuccess (2 vs. 0)  invalid ...”的错误

解决方法：将ssd\_pascal.py文件中第338行batch\_size=32和accum\_batch\_size=32改小一倍或两倍，本人改成了batch\_size=8和accum\_batch\_size=8好像才可以运行，不然会报错。

如果你没有时间训练，你可以在源代码那个网页下载预训练模型，地址：

如果你想测试你训练的模型

python example/ssd/score\_ssd\_pascal.py

如果上面都没有问题的话，可以通过网络摄像头或者已有的视频进行测试了。

**（1）测试单幅图片**

在caffe-ssd项目录下，右键打开终端并执行命令：

python ./examples/ssd/ssd_detect.py

如果你是在cpu模式下运行，需要将ssd\_detect.py   文件中下面两行注释掉：

# caffe.set_device(gpu_id)   
    # caffe.set_mode_gpu()

文件可以更改测试图片的输入和检测结果输出，注意路径就可以了。

**（2）测试USB摄像头**

\# webcam

python examples/ssd/ssd\_pascal\_webcam.py

效果如下(实验室自己的摄像头随便拍的)：

![20180328164923436][]

**（3）测试本地视频**

\# 已有视频

python examples/ssd/ssd\_pascal\_video.py

效果如下：

![20180328164824332][]

当然这里只是大概介绍了下，具体细节可以参考源代码给出的网站。本人只是个菜鸟，自己动手尝试配置了下玩一玩，在这之后也把yolo3配置了下，也比较容易配置，感兴趣的可以试试。地址：[https://github.com/pjreddie/darknet  
][https_github.com_pjreddie_darknet]

安装步骤可以参考上述网址最下面的第二行，里面有详细的操作步骤。

![2018032816544257][]

[UNC Chapel Hill]: http://www.unc.edu/
[Wei Liu]: http://www.cs.unc.edu/~wliu/
[https_github.com_weiliu89_caffe_tree_ssd]: https://github.com/weiliu89/caffe/tree/ssd
[fully convolutional reduced _atrous_ VGGNet]: https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6
[VGG_ILSVRC_16_layers_fc_reduced.caffemodel]: http://cs.unc.edu/~wliu/projects/ParseNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel
[20180328164923436]: /images/20220528/1810eaec3a0c463a9de801bd589f7db3.png
[20180328164824332]: /images/20220528/840c58559a894365949bbae79fd4f64a.png
[https_github.com_pjreddie_darknet]: https://github.com/pjreddie/darknet
[2018032816544257]: /images/20220528/2ec25d86c15d4b1ba23f8b684096f9c4.png