SSD代码阅读（1）

hhhhpanda

于 2020-08-17 16:04:34 发布

阅读量460

点赞数

CC 4.0 BY-SA版权

分类专栏：目标检测代码阅读

本文链接：https://blog.youkuaiyun.com/hhhhpanda/article/details/108055857

本文是SSD代码阅读的第一部分，主要关注train.py中的训练流程。内容包括参数设置，CUDA的使用，训练过程中的函数，如调整学习率和初始化网络。数据读取、模型构建、损失函数设定是关键点，特别是数据增广、模型结构和损失函数的构建，对于训练过程至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

最低0.47元/天解锁文章