SSD-Pytorch训练和测试自己的数据集（新手必看）

原文链接： https://blog.csdn.net/dingkm666/article/details/88775428

目录

1.准备自己的数据集

2.pytorch环境安装即SSD-pytorch代码下载

3.正常的修改

        修改1：config.py

        修改2：VOC0712.py

        修改3：train.py

        修改4：eval.py

        修改5：ssd.py

4.遇到的问题和相应的解决办法

        问题1：

       问题2：提示自动跳出迭代

         问题3：训练是loss出现抑制为nan的情况

5.成果展示

---

1.准备自己的数据集

        pytorch-ssd可以支持VOC和COCO两种数据格式，所以你要将自己的数据集转化为VOC格式或者COCO格式，相应的转化脚本，请点击（注：SSD-Pytorch中含有自动下载VOC和COCO官方数据的脚本）如下图

2.pytorch环境安装即SSD-pytorch代码下载

        点击链接登陆pytorch官网根据电脑的操作系统配置选择安装：   http://pytorch.org/

        python版本要求python3 + ：https://www.python.org/

        SSD-Pytorch代码链接：https://github.com/amdegroot/ssd.pytorch

        训练模型下载链接（官方模型链接似乎失效了，推荐下载）：https://download.csdn.net/download/qq_34374211/10712378

3.正常的修改

        根据经验，我们要清楚自己数据集的含有的类别，例如：我自己的数据集为VOC格式，含有8个类别。

        修改1：config.py

        打开config.py，可以找到这样一段代码，要修改的就是num_class(类别数），更具自己数据集的实际情况进行修改。至于max_iter指的是最大迭代数，在尝试训练阶段，建议把它调低，比如调到1000，在确认训练过程没有问题之后，在调大迭代次数。这样可以有效的节约训练时间。

        修改2：VOC0712.py

         因为我是用的VOC格式的数据集，所以要在VOC0712.py处理数据。按照自己的数据的类别进行修改。

        修改3：train.py

         要训练自己的数据集，在这个train.py中我们必须要修改的是预训练的模型，根据自己的下载的预训练模型修改，官方提供的是VGG16_reducedfc_pth,链接已在第二部分提供。批处理数根据排至修改，batch_size越大对显卡的内存要求就越大，我使用的是NVIDIA 1080TI 12G ，batch_size大小使用32. （根据经验，batch_size大小适宜，训练效果会更好）

          在尝试阶段，为了节省时间，建议将根据迭代次数保存模型的参数调低，例如调节到500。之后正式开始训练后在调高。

        修改4：eval.py

          在训练得到模型之后，要修改评估的模型的名。

        修改5：ssd.py

              

 

4.遇到的问题和相应的解决办法

        问题1：

        解决方法：

                 将190，191行换成192，和193的内容，还有红框部分的相应修改（如图）

       问题2：提示自动跳出迭代

         解决方法：

         问题3：训练是loss出现抑制为nan的情况

         解决方法： 

         这个问题是由学习率够高引起的，只需降低学习率即可，loss出现一直nan会导致训练出来的模型检测不出来任何东西。 （坑了我好久） 

 

5.成果展示

          这是最后根据训练模型得到的评估结果。

 

这是我在训练和测试自己的数据集中的碰到的问题总结，如有问题，可以发表评论，供大家参考，如有不足，请不吝赐教。