ssd模型配置及運行demo

轉載自：http://blog.csdn.net/samylee/article/details/51822832

世界各地大牛數不勝數，論文此起彼伏，方法日新月異，不過我們要緊跟時代潮流，做學術領先人，哈哈，我在吹牛，大神們不要打我。。。。。。

繼yolo-darknet後，又一個SSD的配置教程，希望可以幫助大家。若不能配置成功，請與我聯繫，郵箱：[email protected]

注意：1、要求Ubuntu系統預先安裝opencv和cuda7.5，如果您沒有安裝，請參考我的博客：http://blog.csdn.net/samylee/article/details/51684856

2、有些您複製的終端命令如果不能在終端運行，請注意英文全角半角問題，您可以將命令輸入終端，無須複製粘貼命令

第一部分：安裝SSD（caffe）

1、安裝git

終端輸入：

sudo apt-get install git

2、安裝SSD

在主文件下終端輸入（即/home/***（您的服務器名字）這個目錄）：

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

cd caffe

git checkout ssd（出現“分支”則說明copy-check成功）

第二部分：配置SSD（caffe）
終端輸入：
cd /home/**（您服務器的名字）/caffe
cp Makefile.config.example Makefile.config
打開Makefile.config，修改之處可以參考我的Makefile.config文件，文件地址：（鏈接：http://pan.baidu.com/s/1mgVN57i   密碼：34e6）保存退出。
終端輸入：
cd /home/**（您服務器的名字）/caffe
mkdir build
cd build
cmake ..（cmake和..中間又一個空格）
make all -j16（"‐j16"是使用 CPU 的多核進行編譯,可以極大地加速編譯的速度）
make install
make runtest（這一步不是必須的）
make pycaffe（編譯pycaffe）

 

第三部分：下載數據文件

1、 預訓練模型下載

下載地址：鏈接：http://pan.baidu.com/s/1slpaEO9 密碼：loxo

下載地址２：https://pan.baidu.com/s/1boPmTbT

在caffe/models文件夾下新建文件夾，命名爲VGGNet，將剛剛下載下來的文件放入這個VGGNet文件夾當中

2、下載VOC2007和VOC2012數據集

在主文件夾下（即/home/**（您服務器的名字）/）新建文件夾，命名爲data

終端輸入：

cd /home/**（您服務器的名字）/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
解壓這三個文件，終端輸入：
cd /home/**（您服務器的名字）/data
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar（請嚴格按照這個順序解壓）

 

第四部分：生成LMDB文件

終端輸入：
cd /home/**（您服務器的名字）/caffe
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh

在運行第三步時如果出現no module named caffe或者是no module named caffe-proto，則在終端輸入：

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

然後再次運行第三步

 

第五部分：訓練測試演示
1、 訓練
打開caffe/examples/ssd/ssd_pascal.py這個文件，找到gpus=’0,1,2,3’這一行，如果您的服務器有一塊顯卡，則將123刪去，如果有兩個顯卡，則刪去23，以此類推。如果您服務器沒有gpu支持，則註銷以下幾行，程序會以cpu形式訓練。（這個是解決問題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])
保存後終端運行：
cd  /home/**（您服務器的名字）/caffe
python examples/ssd/ssd_pascal.py
如果出現問題cudasuccess（2vs0）則說明您的顯卡計算量有限，再次打開caffe/examples/ssd/ssd_pascal.py這個文件，找到batch_size =32這一行，修改數字32，可以修改爲16，或者8，甚至爲4（相信大家這個修改可以理解，我就不作說明了），保存後再次終端運行python examples/ssd/ssd_pascal.py
2、 測試
終端輸入：
python examples/ssd/score_ssd_pascal.py（演示detection的訓練結果，數值在0.718左右）
3、 演示
演示網絡攝像頭識別效果，終端輸入：
python examples/ssd/ssd_pascal_webcam.py