這是一個18年畢業本科生的一個畢設題目，專案還沒有完成，在這裡會記錄下在caffe上實現YOLO的過程。歡迎大家和我交流！

20171123-前期準備：

1. 學習瞭解有關C++的基礎知識，編寫自己需要的layer。 （c++相關課程，請大家也多多推薦哦）
2. 調研目前業界常用的物體檢測的開放樣本集並收集整理。
3. 制定一個選取負樣本的策略。

～20171220：
之前幾天主要完成到工作:

1. 完成正樣本製作1.5w張，負樣本製作0.05w張;
2. 在ubuntu環境下搭建caffe（ubuntu16.04+cuda+cuDNN+anacoda3+caffe）

~20180410
我還在搞這個專案啊，現在我從github裡面下了一個基於Caffe的YOLO模型，改成了中間自己的引數，雖然過程中沒有什麼難點但是實際操作上碰到了一些坑。

1. 比如說有時候會在訓練bith_size 太大的時候，會報會記憶體不過的錯誤Check failed: error == cudaSuccess (2 vs. 0) out of memory。這是時候對應的解決方案是在命令臺輸入

   nvidia-smi
   得到正在執行的GPU的PID，使用如下程式碼。如果進行如下操作還是報相同錯誤，那就應該嘗試將bitch_size改小。

   kill -9 PID

2. 有時候在使用python呼叫caffe的時候ImportError: No module named 'caffe'
   的報錯，但是你在專案匯入過程中不僅make pycaffe 了，而且在桌面的python下面，import caffe

   
   也沒有報錯，那很有可能是因為你的py檔案缺少下面一段話：

   sys.path.append('/your/caffe/path/python')//其中的/your/caffe/path/指的是自己這個caffe專案的根目錄

3. 在基於caffe使用別人寫的網路的過程中，經常會出現要呼叫不同版本的python情況。網上也有很多很方便的方法，下面是本人經常使用更換ubuntu系統預設python版本的方法（以將python3.5換成python2.7為例）：

   ~$ python --version //檢視系統python自帶版本
   Python 3.5.2
   ~$ whereis python2.7 //搜尋系統是否已經安裝python2.7
    
   
   python2: /usr/bin/python2.7-config /usr/bin/python2.7
   /usr/bin/python2 /usr/lib/python2.7 /etc/python2.7
   /usr/local/lib/python2.7 /usr/include/python2.7
   /usr/share/man/man1/python2.1.gz
   //若結果裡面有/usr/bin/python2.7說明已經安裝
   //如果沒有則需要手動安裝
   ~$ sudo rm /usr/bin/python //刪除原有的python連線檔案
   ~$ sudo ln -s /usr/bin/python2.7  /usr/bin/python  //然後建立指向python2.7的軟連結
   $ PATH=/usr/bin:$PATH //把路徑/usr/bin/加入環境變數PATH中

4. 重新裝完python以後，肯定就是要import caffe。在import caffe之前需要下載skimagesudo pip install scikit-image sudo pip install protobuf

因為直接拿別人的程式碼來會比較簡單，所以我現在的思路是

1. 首先把一個基於Caffe的YOLO網路和SSD跑通，YOLO使用的網路是yeahkun 的，SSD使用的是
   weiliu89的，並且還附有ssd_pacal.py的原始碼解讀（20180411完成）
2. 然後再用自己的資料集在上面跑通，這裡當然會有一些理解網路引數，修改引數符合自己資料集的過程，進行一些對網路效能的評估運算;（20180410完成在YOLO上面的自己資料集的執行）
3. 接著對YOLO網路進行一些調參的訓練，這個過程也是一個看程式碼學習的過程。
4. 最後希望就是自己基於caffe寫一個網路，可以是YOLO2或者YOLO3。

20180412
我的Ubuntu系統根目錄滿了根本下不了東西了，我知道有多種清空記憶體的方法，但是我還是喜歡暴力簡單的，直接從win系統中分出一部分給ubuntu，下班之前搞一下。參考文章
確定評估我的檢測網路的標準。