Retinanet训练自己的数据（3）：模型训练

  准备好数据以及模型正确安装之后，就可以就行模型训练了。

  定位到模型所在的文件夹，老办法，打开powershell，在命令行输入：（这里的命令只适用于自己的训练集，对于Pascal或者coco数据集，请参见官方文档）

python keras_retinanet/bin/train.py csv /path/to/csv/file/containing/annotations 
 /path/to/csv/file/containing/classes

  命令行中第一个csv表示用自己的训练集去训练模型。 /path/to/csv/file/containing/annotations表示自己制作的annotation.csv 所在的路径，比如：my_data/annotation.csv。同样， /path/to/csv/file/containing/classes表示class.csv所在的路径，如：my_data/class.csv。如果没什么意外，模型就开始训练。接下来介绍一下可能会遇到的错误：

1.数据错误

  就是第一步数据制作时，如果没用debug.py进行测试，这里就会报错，对照错误去改就行了。

2.网络错误

  一开始我没想到会出现这方面的问题，直到

  看箭头所指的位置，是正在下载预训练模型，也就是backbone用到的模型，我选的是resnet50，这里对应的是/keras_retinanet/models/resnet.py  文件中的44行。一开始不知道是因为网络，以为需要FQ，结果我去这个网址下载模型，发现重新换个网络就OK了。（教研室网太渣）。

  如果网络没问题，就如上开始下载模型。

3.初始化参数

  耐心等待（主要是网速太慢），模型下载完就开始创建模型，初始化参数：

这部分基本不会出问题。

4.多线程出错

  上一步完成之后，就开始进行训练。可能会碰到的错误：

  看错误信息，第一个Epoch没问题，当启动第二个线程的出错。谷歌，StackOverflow找了一大圈，还是没解决，最后不得已，只能关掉多线程：

在/keras_retinanet/bin/train.py 的415行，  将workers的默认值改为0，即关闭了多线程。（如果知道怎么进行多线程运算，还望告知，thx）。

5.开始训练

  改完上面的一些bug之后，模型终于跑起来啦：

在train.py文件夹里，你可以在这里设置一些默认的参数，比如多少个epoch，一个epoch迭代多少次。