大家好，終於把SSD整通了，現在我把整個過程搭建給你們講講。

caffe_ssd多目標檢查效果還是非常好的，線上測試，FPS在20左右。我的訓練的還是官方的資料集，其實我們可通過做自己的資料集得到預測模型也是可以的。

一、SSD編譯

https://github.com/weiliu89/caffe.git
git checkout ssd

跟編譯caffe 是一樣的,進入到caffe的根目錄裡：

cp Makefile.config.example Makefile.config

進入Makefile.config，設定如下，我們需要使用USE_CUDNN(前提你安裝了CUDNN,整個詳細的參考，

mkdir build
cd build
cmake ..
make all -j
make install 
make runtest
make pycaffe

二、下載資料集

1、預訓練模型下載：

連結: https://pan.baidu.com/s/1nuGojSP 密碼: v9bg

2、下載VOC2007、VOC2012資料集

官網下載太慢了，我已經上傳到了百度雲

連結: https://pan.baidu.com/s/1mhVjuSo 密碼: 8nm7

在home主目錄下

mkdir data
cd data

把剛才下載的資料解壓到data目錄下

tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

(安裝我整個順序解壓就可以了)

三、生成LMDA檔案（自己製作資料也需要這樣的）

我這裡把pycaffe的環境加入～/.bashrc檔案中

export PYTHONPATH=$PYTHONPATH:..../caffe/python
source  ~/.bashrc

進入到caffe 的根目錄下

./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh
 

四、訓練資料集及線上演示

1、訓練資料集

開啟caffe/examples/ssd/ssd_pascal.py，看到gpus='0,1,2,3' 該成gpus='0'

具體怎麼看自己gpu id? 

nvidia-smi

修改下 batch_size=1和 test_batch_size=1 （視訊記憶體太小了，所以把網格設小點）

注意：迭代數增加，loss應該是逐漸減小，不然就容易發散了。

大概迭代到10000次，會test下，把test_batch_size設定為1,不然會出現視訊記憶體溢位的情況

2、測試下：（我把訓練好的模型進行測試，迭代了240000次）

python examples/ssd/score_ssd_pascal.py

其實一般的情況在0.7左右

3、線上演示

見鬼了，在右邊的空著的椅子出現個person:0.67 ，嚇到我了

視訊演示：

單張圖片演示：我們可以使用：jupyter notebook

好了，下期給大家講講怎麼製作自己的資料集，進行訓練模型。

------------------------------2017.6.14 QAQ----------------------------------------

在生成lmda檔案的時候，出現python一些錯誤？

終端執行：

sudo apt-get install python-skimage python-protobuf