SSD-pytorch 训练过程全记录

最新推荐文章于 2022-04-18 21:12:28 发布
原创 最新推荐文章于 2022-04-18 21:12:28 发布 · 1.4k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细记录了SSD-pytorch的训练过程。包括从github下载源码和模型，将模型放入weights文件夹，数据集放入data文件夹。介绍了数据集处理、train.py修改，还列举了训练中loss为NAN、索引不匹配、StopIteration等错误及解决办法，最后说明了验证过程及代码修改要点。

SSD-pytorch 训练过程全记录

文章目录


修改内容适用于torch版本0.4.1，其余版本不保证。

准备工作

首先从github上下载源码: ssd.pytorch

git上提供了VGG-16模型的下载链接：vgg16_reducedfc

下载完成模型后，模型放到weights文件夹中。

数据集放入data文件夹中，可以自行下载数据集，也可以准备自己的数据集。

数据集处理

源码可以适应COCO和VOC两种数据格式。两种格式在文件夹中的目录结构如下：

在这里插入图片描述

如果使用的是自行准备的COCO数据集，需要自己创建coco_labels.txt。

将数据集准备好后，首先对data目录下的config.py文件进行修改。主要修改的是"num_classes"这一项，类别数量应为"你数据集中的类别数+1"，这里的1代表背景。

完成这一步后，进行对coco.py或voc0712.py的修改。

需要修改XXXX_ROOT，更改为你自己的数据集的位置，还有XXXX_CLASSES更改为你自己的类别。

此外vo

最低0.47元/天 解锁文章
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 9万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
成功运行SSD_Pytorch并训练自己的数据集
m0_47452894的博客
01-18 1万+
目录前言一、环境二、准备数据集1.voc2007数据集2.voc2012数据集三、从Github上下载作者源码创建文件夹四、修改代码1.修改data/config.py2.修改data/voc0712.py3.修改layers/modules/multibox_loss.py4.修改train.py5.修改ssd.py五、开始训练六、运行eval.py1.修改eval.py2.修改ssd.py七、运行test.py修改test.py八、运行demo.ipynb修改demo.py总结 前言 本文主要是记录自己
PyTorch 框架 训练方法与流程记录
weixin_42306148的博客
12-17 1192
当前进展 接触深度学习和PyTorch框架有一段时间了，期间在 B站和优快云和知乎等，看了很多相关内容，但一直是鸭子听雷，动手少，规划少，不动脑子。 现在的状态是，环境配置和网络框架都已经完备了。能够跑通基本的图像分类网络，但是还没有测试过自己的输入利用训练好的模型做分类和预测的实战。 写这个博客的目的，一是拢一拢知识体系，二是提醒自己进度要加快，不然，人都丢出去了。 我的理解----关于深度学习框架 这部分的目的是把思路写出来，促进思考养成习惯。如果有大佬路过看了博客发现问题，还请不吝赐教，也欢迎新手一
pytorch训练自己的数据集记录
weizhideshenghuo的博客
06-22 577
1.测试集的单独制作： 首先从航线获取的视频中截取，放入data\photos_test_or目录下 cmd命令行运行下面命令将图片重命名： python rename_photo.py # -*- coding:utf-8 -*- import os def test(): # 源地址和输出地址 cwd = os.getcwd() photo_test_or_Path = cwd + '\\photos_test_or\\' photo_test_Path = cwd + '\\ph
使用matplotlib和tensorboardx记录pytorch的训练过程
怡宝2号
11-24 2279
使用matplotlib和tensorboardx记录pytorch的训练过程 目的： 利用tensorboardx对pytorch的训练过程进行可视化，主要是可视化loss和image 修改matplotlib，使matplotlib支持中文显示，因为网络训练中有中文的label，如中文的OCR识别。 参考：修改matplotlib使其支持中文 向python程序中向tensorboa...
【pytorch】pytorch学习过程记录
Slow down, Keep learning and Enjoy life
04-17 644
pytorch学习： 构建网络模型的几种方法
SSD-pytorch训练自己的数据（附数据）
After__today的博客
09-08 3763
Windows下自己训练数据集，在pytorch上实现基于SSD的物体检测 （0）环境 Windows10 Anaconda3（python3.7.6） cuda10.0 cudnn7.6.5 pytorch1.2 （一）准备数据集 我用的labelImg标注，图片来源百度搜图：狗。具体标注方法网上很多，不赘述。 数据集链接：链接：https://pan.baidu.com/s/1We-XseyDVmSa-JWN1om0QQ 提取码：afqk （二）下载源码并修改 ...
SSD算法pytorch实现复现结果记录（附个人修改后的完整源代码）
u25th_engineer的博客
02-08 2592
  如题。   下面是最终验证测试集的结果。 Writing bicycle VOC results file Writing bird VOC results file Writing boat VOC results file Writing bottle VOC results file Writing bus VOC results file Writing car VOC results file Writing cat VOC results file Writing chair VOC r
神经网络实践笔记--SSD.PyTorch全流程跑通--从建数据集、模型参数修改到可视化
Cake_C的博客
12-05 1932
虽然自己些 https://blog.youkuaiyun.com/qq_21464351/article/details/104838456
Pytorch之训练的完整过程(最终篇)
记录学习的小白
04-18 2万+
先引入库（事实上是在构建时引入的）note9_train.py import torchvision from torch.utils.tensorboard import SummaryWriter from note9_LeNet import * from torch import nn from torch.utils.data import DataLoader 其中note9_LeNet中存放的是之前的模型文件，大多数情况也这么引入 note9_LeNet.py import tor
SSD-tensorflow 训练自己的数据并显示训练结果
热门推荐
liuyan20062010的专栏
12-26 4万+
参考：https://github.com/DengZhuangSouthRd/SSD-TinyObject/blob/master/COMMANDS.md           http://blog.youkuaiyun.com/u014696921/article/details/53353896             http://blog.youkuaiyun.com/ei1990/article/detail...
SSD Tensorflow 训练测试自己的数据集 Jupiter notebook 显示训练结果
Echo_Harrington的博客
07-20 7779
一份非常简单易懂的SSD tensorflow训练教程，初学者也可以看得懂。当初自学的时候走了很多弯路，所以把自己的经验和踩过的坑分享给大家，如果文中有什么写的不对的地方欢迎大家在评论区和我讨论。 零、前期准备 安装Tensorflow-GPU版本。   一、SSD框架准备 从https://github.com/balancap/SSD-Tensorflow 下载、解压。 解压che...
SSD讲堂五(训练) SSD Tensorflow 训练测试自己的数据集 Jupiter notebook 显示训练结果 原博主：Echo_Harrington
计算机视觉
11-06 772
关于训练的博客： https://blog.youkuaiyun.com/echo_harrington/article/details/81131441 关于统计目标框个数的代码（上述链接的统计代码有问题，此博主对其进行了修改）： https://blog.youkuaiyun.com/memories_sunset/article/details/83309417     训练结果不理想： c:1...
SSD-TensorFlow 训练自己的数据并可视化
阿耀的博客
03-30 6740
文章目录1. 源码下载2. 数据准备2.1. 标注数据2.2. 划分数据集2.3. 转换数据集格式3. 模型训练3.1. 修改参数3.2.6. 执行训练4. 测试评价4.1. 转换数据格式4.2. 验证精度4.2. 单张图片检测 1. 源码下载 GitHub下载地址：https://github.com/balancap/SSD-Tensorflow 解压 根目录中 checkpoint 文件...
睿智的目标检测4——SSD算法训练部分详解（亲测可用）
Bubbliiiing的学习小课堂
10-14 1万+
睿智的目标检测4——SSD算法训练部分详解（亲测可用）学习前言讲解构架模型训练的流程1、设置参数2、读取数据集3、建立ssd网络。4、预处理数据集5、框的编码6、计算loss值7、训练模型并保存开始训练 学习前言 ……又看了很久的SSD算法，今天讲解一下训练部分的代码。 讲解构架 本次教程的讲解主要是对训练部分的代码进行讲解，该部分讲解主要是对训练函数的执行过程与执行思路进行详解。 训练函数的执...
墨尘目标检测3--SSD模型解析及训练自己的数据集
我是尘客哥
03-02 488
什么是SSD目标检测算法 SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是目标检测和分类是同时完成的，其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，物体分类与预测框的回归同时进行，整个过程只需要一步，所以其优势是速度快。 但是均匀的密集采样的一个重要缺点是训练比较困难，这主要是因为正样本与负样本（背景）极其不均...
ssd pytorch eval 报错解决办法
coolsunxu的博客
06-11 1287
ssd pytorch eval 报错解决办法
SSD学习小结
sinat_33454180的博客
08-12 1487
首先记录一下什么是卷积神经网络CNN 卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。 一张图片里的图像可以表示为像素值的矩阵。 利用卷积从图像矩阵中提取特征，从而得到特征图（Feature map）。 特征图的不同由以下三个卷积核/滤波器/特征检测器参数控制： 1. 深度（Depth） 卷积操作所需的特征检测器个数 2. 步长（S...
SSD人脸检测以及FDDB检测结果分析
常思考->有目标->重实践->善反思
08-26 5497
前段时间使用caffe版本的SSD训练人脸检测，效果还不错，在FDDB上测试了下结果最终只有89%的准确率，但是误判率很低，结果如下： 为了分析训练的SSD在FDDB上对于哪些类型的人脸检测结果较差，结果如下:蓝色的椭圆为FDDB的原始标注，红色的矩形为现有的SSD检测结果。 可以看到： 很模糊的脸没有检测到 还有些基本上算不上脸 极少数是人脸的确实没有检测到 发现FDDB中不...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值