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：
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
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
