SSD代码阅读（1）

SSD代码阅读（1）

github: https://github.com/amdegroot/ssd.pytorch

train.py

参数设置

都是些常用的参数，没有什么需要特别说明的。

关于CUDA的使用

if torch.cuda.is_available(): # 使用cuda的判断
	if args.cuda:
		torch.set_default_tensor_type('torch.cuda.FloatTensor')
	if not args.cuda:
		print('')
		torch.set_default_tensor_type('torch.FloatTensor')
else:
	torch.set_default_tensor_type('torch.FloatTensor')

主要是为了设置默认的 tensor 格式。进行了两个判断，一个是 available，一个是参数设定是否需要使用cuda

除了train()的一些函数

• adjust learning rate

def adjust_learning_rate(optimizer, gamma, step):
	"""
	args : 
		optimizer : 优化器
		gamma : 调节学习率的超参数
		step : 在指定的迭代次数时进行学习率调节
	"""
	lr = args.lr * (gamma ** (step)) # 是根据 step 来进行调节
	for param_group in optimizer.param_groups:
		param_group['lr'] = lr # 注意 learning rate 的存放位置，记住

• 初始化网络参数的函数

def xavier(param):
	init.xavier_uniform(param