最近把一個ssd網絡的net..prototxt網絡結構和自己生成的hdf5格式數據一起做訓練時發現經常報錯，因爲ssd中一些層在caffe中並沒有實現，需要自己寫相應的.cpp,.cu文件重新編譯，比較麻煩，而大家通常訓練caffe-ssd都是基於原作者公開的代碼訓練的，該代碼中實現了這些層，於是把原作者代碼跑了一遍．
我的機器是ubuntu16.04,裝有兩塊ＧＴＸ １０８０TI 的顯卡，一共２０多個Ｇ顯存，opencv是自己編譯的3..3.0版本．
因爲我機器主目錄下已經有個裝好的caffe了，所以再次在另一個目錄下載該源碼，該源碼下載後編譯也能import caffe，其他caffe項目也可以使用，如果沒有裝caffe，那就下載編譯這個源碼就能當做caffe使用，同時也能訓練ssd．
１，先進入我這次操作的主目錄（/home/user/yjf),下載源碼
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd（切換到ｓｓｄ分支）
這時候我的工作目錄爲 /home/user/yjf/caffe．然後執行如下操作
cp Makefile.config.example Makefile.config
然後參考我前面博客說過的如何搭建caffe環境文章中的說法更改Makefile和Makefile.config文件，並參照裏面提到的方法進行編譯（我感覺caffe不管是ｃｐｕ還是ｇｐｕ編譯起來其實很簡單的，我一般３０分鐘就能弄好，沒有大家想象中的有難度或者難裝，我用的python2.7,opencv3.3.0,cudnn7.3, cuda8.0，我使用cuda9.0報錯，看來cuda9.0不匹配）
２，下載預訓練模型，這個模型在我們訓練ssd的時候作爲初始化模型，我放在百度雲了，https://pan.baidu.com/s/11JcopVftsLELIUSYmt-8Bw，大家下載即可．下載後放在/home/user/yjf/caffe/models/VGGNet目錄，如果沒有VGGNet目錄就新建一個．
３，下載VOC2007和VOC2012數據集，放到/caffe/data目錄下,並解壓（其實沒多大，幾個Ｇ而已）
cd 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
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar
4,把下載的數據轉成訓練需要的lmdb文件，在/home/user/yjf/caffe目錄下執行
./data/VOC0712/create_list.sh當然，可以會報錯的，打開這個文件，把第一行的root_dir換成root_dir=/home/user/yjf/caffe/data/VOCdevkit（你下載的VOCdevkit在哪裏這個就換成那個目錄就好，其他地方不該）
然後進行重新執行．執行結束後把data/VOC0712/create_data.sh裏面的第七行data_root_dir換成data_root_dir=/home/user/yjf/caffe/data/VOCdevkit（和上面的改法一樣）
然後執行./data/VOC0712/create_data.sh
５．然後在caffe目錄下執行
python examples/ssd/ssd_pascal.py開始ssd訓練，（訓練過程可能報錯SSD from caffe.proto import caffe_pb2 ImportError: No module named caffe.proto，解決：打開 caffe/scripts/create_annoset.py 文件，在from caffe.proto import caffe_pb2這段話之前加上
import sys
sys.path.insert(0,'/home/user/yjf/caffe/python')（這是剛剛安裝的ssd-caffe的目錄下的python目錄）目標是讓程序知道caffe在哪裏．
另外，打開caffe/examples/ssd/ssd_pascal.py，看到gpus='0,1,2,3' 該成gpus='0'，是指定訓練使用的gpu，我用的０
訓練過程如下圖
（題外話：一般caffe需要net.prototxt和solver.prototxt，train.sh三個訓練模型對吧，這次好像沒看到，其實啊，caffe的這些net.prototxt網絡結構文件是一般通過.py文件生成的，該代碼中也是在訓練的代碼中先生成了這些東西，這些東西在/home/user/yjf/caffe/models/VGGNet/VOC0712/SSD_300x300目錄下放着，train.prototxt和test.prototxt就是訓練和測試的網絡結構，同時人家還生成了deploy.prototxt文件，而solver.prototxt中存放了訓練的超參數，snapshot: 8000指定訓練８０００個iters保存一次，我嫌棄時間太長，我想１００次保存一個先看下結果，不過沒到怎麼改，然後我就等訓練代碼跑起來後在把程序停掉，這樣就生成了這些文件，我直接在solver.prototx文件中改snapshot爲１００，然後寫了一個train.sh文件，內容如下：
#!/usr/bin/env sh
set -e
# /home/user/caffe/build/tools/caffe train --solver=./solver.prototxt --gpu 1
/home/user/yjf/caffe/build/tools/caffe train --solver=./solver.prototxt --gpu 1
然後我在caffe/models/VGGNet/VOC0712/SSD_300x300目錄直接執行sh ./tran.sh就開始訓練了，訓練的模型根據指定目錄也在這個目錄，大家可以不用這樣，僅供參考
題外話結束＃＃＃＃）
６，測試訓練結果
在caffe目錄執行
python examples/ssd/score_ssd_pascal.py，執行前先在該程序中的import caffe之前加上
import sys
caffe_root = '/home/user/yjf/caffe/'
sys.path.insert(0,caffe_root+'python')
目標是爲了讓程序找到caffe安裝目錄．測試結束如下
Test net outpu的值一般爲0.7左右吧，我這個值低是因爲我剛剛開始訓練，我跑了１００個iters就把模型保存起來試了一下，使用效果肯定低，模型需要跑二十多萬個iters這個值就上去了．
源碼提供了在視頻和攝像頭上的測試，
在視頻上測試
python examples/ssd/ssd_pascal_video.py
在攝像頭上測試
python examples/ssd/ssd_pascal_webcam.py如果報錯就按照第６點在代碼中添加caffe的目錄就好
７，預測
caffe目錄執行python examples/ssd/ssd_detect.py --model_weights ../VGG_VOC0712_SSD_300x300_iter_120000.caffemodel(此處爲你訓練的模型地址) --image_files /home/user/yjf/caffe/examples/images/fish-bike.jpg即可在caffe目錄生成一個detect_result.jpg圖片爲檢測結果,預測之前在該代碼開頭部分參照第６點添加caffe目錄，要不然報錯
至此caffe-ssd測試結果，接下來將講解使用直接的數據訓練ssd