Retinanet训练自己的数据（2）：模型准备

  在上一篇博客中，我们已经处理好了模型需要的数据集，下一步就是准备模型去训练数据。这里提醒一句，在制作数据时，最好将训练集和测试集人为分开。像Google tensorflow API，在制作数据时可以按比例自动生成，但是在上一篇文章中产生的数据（annotation.csv ）其实都是用来训练的，如果你把自己的数据集全都转换了，那么恭喜你，最后你会发现没有数据集去测试了。

  下面开始模型准备

1.模型下载

下载地址：https://github.com/fizyr/keras-retinanet 两种方式，一是利用git直接clone下来，另外就是直接从网页下载：

2.模型安装与编译

上一篇博客介绍到，可以用debug.py对数据集是否合格进行检测，前提就是这里的安装与编译。

2.1安装：

到下载的模型的文件夹，shift+右键打开powershell，输入：

pip install numpy --user

安装过程中，会检查依赖库，比如opencv-python，如果没有安装，会加载并安装。这里提一句，如果在安装时某个包下载安装不成功，自己记下来版本，比如opencv-python 3.4.5.20，可以直接先去利用pip或conda安装，但是一定要记得对应的版本。

2.2编译：

同样打开powershell，输入：

python setup.py build_ext --inplace

 编译的时候可能会出现提示，没有某个版本C++的编译器，我提示的时没有2014版，把错误提示直接百度，就会出现解决方法，我是下载了一个3M的14版的编译工具。（当然，最好就是有相应版本的完整C++）

以上两个步骤不知道有没有先后顺序，我在电脑上是先编译然后安装的。安装是为了解决后面运行的时候，会提示import keras_retinanet 出错。编译是因为模型中cython部分，需要预编译。

3.模型测试

在文件夹examples下，会有ipython文件，从https://github.com/fizyr/keras-retinanet/releases这里下载预训练好的模型放在snapshots文件夹下，然后打开ResNet50RetinaNet.ipynb，修改如下路径为snapshots，模型名字即刚才下载的模型：

然后运行，当当当。

4.特别感谢：

https://github.com/fizyr/keras-retinanet

https://blog.csdn.net/u012426298/article/details/80334292

 https://blog.csdn.net/u012426298/article/details/80450537
--------------------- 
下一篇博客将介绍模型在自己数据集上训练的过程以及遇到的一些错误。