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，因為ssd中一些層在caffe中并沒有實現，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都是基于原作者公開的代碼訓練的，該代碼中實現了這些層，于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．

因為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，該源碼下載后編譯也能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.gitcd caffegit checkout ssd(切換到ｓｓｄ分支)

這時候我的工作目錄為 /home/user/yjf/caffe．然后執行如下操作

cp Makefile.config.example Makefile.config

然后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，并參照里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的時候作為初始化模型，我放在百度云了，https://pan.baidu.com/s/11JcopVftsLELIUSYmt-8Bw，大家下載即可．下載后放在/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,并解壓(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在哪里這個就換成那個目錄就好，其他地方不改)

我改了原來代碼中的３，５，４１行，分別加了#yjf注釋，我的放在這里，可以下載看下https://pan.baidu.com/s/1AETTYyjyKAnuKi27kE12Og

然后進行重新執行．執行結束后把data/VOC0712/create_data.sh里面的第七行root_dir換成root_dir=/home/user/yjf/caffe，注釋掉cur_dir，data_root_dir="$root_dir/data/VOCdevkit")

然后執行./data/VOC0712/create_data.sh(執行前先在script/crerate_annoset.py中添加如下

import sys

sys.path.insert(0,'/home/user/yjf/caffe/python'))

５．然后在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在哪里．

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,然后python caffe/examples/ssd/ssd_pascal.py開始訓練

(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目錄下放著，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，不過沒到怎么改，然后我就等訓練代碼跑起來后在把程序停掉，這樣就生成了這些文件，我直接在solver.prototx文件中改snapshot為１００，然后寫了一個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

然后我在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')

目標是為了讓程序找到caffe安裝目錄．?

Test net outpu的值一般為0.7左右吧，我這個值低是因為我剛剛開始訓練，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

直接運行這段代碼就可以在視頻預測，默認視頻路徑為examples/videos下面有一個視頻，效果如下

?

?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(此處為你訓練的模型地址)　--image_files /home/user/yjf/caffe/examples/images/fish-bike.jpg即可在caffe目錄生成一個detect_result.jpg圖片為檢測結果,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

經過一個晚上的訓練，用新模型預測一下，效果如下圖所示：

?

?至此caffe-ssd測試結果，接下來將講解使用直接的數據訓練ssd

總結

以上是生活随笔為你收集整理的caffe安装_目标检测之caffe-ssd模型训练与测试的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。