使用的基礎網路結構為ssd_512_vgg

1. 首先修改ssd_vgg_512.py的訓練類別

2.修改train_ssd_network.py的model_name

   修改為ssd_512_vgg

3. 修改nets/np_methods.py

    修改：將300改為512， 將類別改為自己資料的類別（+背景）

4. 修改preprocessing/ssd_vgg_preprocessing.py

    修改：將300改為512

5. 修改訓練語句

    其他驗證測試語句中的模型名稱也要修改

    # 註釋掉CHECKPOINT_PATH，不提供初始化模型,讓模型自己隨機初始化權重，從頭訓練  
    # 刪除checkpoint_exclude_scopes和trainable_scopes，因為是從頭開始訓練  
    #　CHECKPOINT_PATH=./log_files/log_finetune/train_voc0712_20170712_1741_VGG16/model.ckpt-253287  
      
    python3 ../train_ssd_network.py \  
        --train_dir=${TRAIN_DIR} \   #訓練生成模型的存放路徑  
        --dataset_dir=${DATASET_DIR} \  #資料存放路徑  
        --dataset_name=pascalvoc_2007 \ #資料名的字首  
        --dataset_split_name=train \  
        --model_name=ssd_512_vgg \  #載入的模型的名字      //修改為模型的名字
        #--checkpoint_path=${CHECKPOINT_PATH} \ #所載入模型的路徑,這裡註釋掉  
        --checkpoint_model_scope=vgg_16 \   #所載入模型裡面的作用域名  
        --save_summaries_secs=60 \  #每60s儲存一下日誌  
        --save_interval_secs=600 \  #每600s儲存一下模型  
        --weight_decay=0.0005 \     #正則化的權值衰減的係數  
        --optimizer=adam \          #選取的最優化函式  
        --learning_rate=0.00001 \   #學習率  
        --learning_rate_decay_factor=0.94 \ #學習率的衰減因子  
        
 

6. 修改ssd_notbook.ipynb

   a  將檔案中數字“300”改為“512”

   b  將import sys  

          sys.path.append('../')

       提前，改為如下圖

http://blog.csdn.net/liuyan20062010/article/details/78905517