ssd的数据能恢复吗（SSD训练数据集流程（学习记录））

时间2025-08-03 02:14:25分类IT科技浏览4277

导读：关于理论部分我看的是b站“霹雳吧啦Wz”的SSD理论讲解，作为入门小白表示能听懂，需要的同学可以自行观看...

关于理论部分我看的是b站“霹雳吧啦Wz ”的SSD理论讲解，作为入门小白表示能听懂，需要的同学可以自行观看

1.训练环境

2.训练步骤

1.训练环境

我的环境是win11+anaconda+python3.6.13+pytorch1.10.2+cuda11.6

2.训练步骤

（1）下载SSD源码

可到github进行下载

GitHub - amdegroot/ssd.pytorch: A PyTorch Implementation of Single Shot MultiBox Detector

（2）下载模型文件

VGG16_reducedfc.pth预训练模型下载地址：https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

将下载的模型文件放置于ssd源码目录中 wights/vgg16_reducedfc.pth

（3）数据集准备

与大多数训练模型一样，ssd支持的训练格式为VOC和coco ，这里采用voc2007作为演示，制作自己的数据集以及labimg的使用可自行观看yolo数据集标注软件安装+使用流程_道人兄的博客-CSDN博客_yolo数据集标注工具

voc2007的具体下载方式我也不多赘述，网络上百度也有，或者直接看我之前写的也有提到使用Faster—RCNN训练数据集流程（学习记录）_道人兄的博客-CSDN博客

将下载后的voc2007数据集放置于./data/VOCdevkit/中

然后到ssd.pytorch-master/data/中的voc0712.py进行修改其中的VOC_ROOT = osp.join(HOME, "data/VOCdevkit/") ，他这里的HOME老是读取我的C盘位置，所以一直报错，我直接把数据集的绝对路径写上去了就没报错

将 voc0712.py文件中VOCDetection类的__init__函数，将image_sets修改为[(2007, train), (2007, val),(2007,test)] ，修改后的结果如下。

def __init__(self, root, image_sets=[(2007, train), (2007, val),(2007,test)], transform=None, target_transform=VOCAnnotationTransform(), dataset_name=VOC0712):

其中如果是训练自己的数据集，记得修改voc0712.py文件中的VOC_CLASSES 变量。例如，将VOC_CLASSES修改为person类，注意如果只有一类则需要加方括号，修改后的结果如下。

VOC_CLASSES = [(person)

如果训练自己的数据集，还需要修改config.py文件中的voc字典变量。将其中的num_classes修改为2（以person为例）（背景类+你训练集的种类个数），第一次调试时可以将max_iter调小至1000 ，修改后的结果如下。

voc = { num_classes: 2, lr_steps: (80000, 100000, 120000), max_iter: 1000, feature_maps: [38, 19, 10, 5, 3, 1], min_dim: 300, steps: [8, 16, 32, 64, 100, 300], min_sizes: [30, 60, 111, 162, 213, 264], max_sizes: [60, 111, 162, 213, 264, 315], aspect_ratios: [[2], [2, 3], [2, 3], [2, 3], [2], [2]], variance: [0.1, 0.2], clip: True, name: VOC, }

最后一步，把coco_labels.txt放在ssd.pytorch-master/data/coco/目录下，也可以通过修改coco.py文件中的COCO_ROOT = osp.join(HOME, data/coco/)来指定存放路径。

（4）修改源码

①修改ssd.py文件中SSD类的__init__函数和forward函数，修改后的结果如下。

if phase == test: self.softmax = nn.Softmax(dim=-1) self.detect = Detect(num_classes, 0, 200, 0.01, 0.45) 修改为: if phase == test: self.softmax = nn.Softmax() self.detect = Detect() if self.phase == "test": output = self.detect( loc.view(loc.size(0), -1, 4), # loc preds self.softmax(conf.view(conf.size(0), -1, self.num_classes)), # conf preds self.priors.type(type(x.data)) # default boxes ) 修改为： if self.phase == "test": output = self.detect.apply(21, 0, 200, 0.01, 0.45, loc.view(loc.size(0), -1, 4), # loc preds self.softmax(conf.view(-1,21)), # conf preds self.priors.type(type(x.data)) # default boxes )

②修改train.py中187至189行代码，原因是.data[0]写法适用于低版本Pytorch ，否则会出现IndexError:invalid index of a 0-dim tensor...错误，修改后的结果如下。

loc_loss += loss_l.item() conf_loss += loss_c.item() if iteration % 10 == 0: print(timer: %.4f sec. % (t1 - t0)) print(iter + repr(iteration) + || Loss: %.4f || % (loss.item()), end=)

③交换layers/modules/multibox_loss.py中97行和98代码位置，否则会出现IndexError: The shape of the mask [14, 8732] at index 0does...错误，修改后的结果如下。

loss_c = loss_c.view(num, -1) loss_c[pos] = 0 # filter out pos boxes for now

④根据自己的需要对train.py中预训练模型、batch_size 、学习率、模型名字和模型保存的次数等参数进行修改。建议学习率修改为1e-4（原因是原版使用1e-3可能会出现loss为nan情况），第一次调试时可以修改为每迭代100次保存，方便调试。

# 加载模型初始参数 parser = argparse.ArgumentParser( description=Single Shot MultiBox Detector Training With Pytorch) train_set = parser.add_mutually_exclusive_group() # 默认加载VOC数据集 parser.add_argument(--dataset, default=VOC, choices=[VOC, COCO], type=str, help=VOC or COCO) # 设置VOC数据集根路径 parser.add_argument(--dataset_root, default=VOC_ROOT, help=Dataset root directory path) # 设置预训练模型vgg16_reducedfc.pth parser.add_argument(--basenet, default=vgg16_reducedfc.pth, help=Pretrained base model) # 设置批大小，根据自己显卡能力设置，默认为32，此处我改为16 parser.add_argument(--batch_size, default=16, type=int, help=Batch size for training) # 是否恢复中断的训练，默认不恢复 parser.add_argument(--resume, default=None, type=str, help=Checkpoint state_dict file to resume training from) # 恢复训练iter数，默认从第0次迭代开始 parser.add_argument(--start_iter, default=0, type=int, help=Resume training at this iter) # 数据加载线程数，根据自己CPU个数设置，默认为4 parser.add_argument(--num_workers, default=4, type=int, help=Number of workers used in dataloading) # 是否使用CUDA加速训练，默认开启，如果没有GPU ，可改成False直接用CPU训练 parser.add_argument(--cuda, default=True, type=str2bool, help=Use CUDA to train model) # 学习率，默认0.001 parser.add_argument(--lr, --learning-rate, default=1e-3, type=float, help=initial learning rate) # 最佳动量值，默认0.9（动量是梯度下降法中一种常用的加速技术，用于加速梯度下降，减少收敛耗时） parser.add_argument(--momentum, default=0.9, type=float, help=Momentum value for optim) # 权重衰减，即正则化项前面的系数，用于防止过拟合；SGD ，即mini-batch梯度下降 parser.add_argument(--weight_decay, default=1e-4, type=float, help=Weight decay for SGD) # gamma更新，默认值0.1 parser.add_argument(--gamma, default=0.1, type=float, help=Gamma update for SGD) # 使用visdom将训练过程loss图像可视化 parser.add_argument(--visdom, default=False, type=str2bool, help=Use visdom for loss visualization) # 权重保存位置，默认存在weights/下 parser.add_argument(--save_folder, default=weights/, help=Directory for saving checkpoint models) args = parser.parse_args() if iteration != 0 and iteration % 100 == 0: print(Saving state, iter:, iteration) torch.save(ssd_net.state_dict(), weights/ssd300_VOC_ + repr(iteration) + .pth)

⑤因为pytorch1.9以上版本在这份源代码中并不适用，一旦运行cuda方面会报错如下：

RuntimeError: Expected a ‘cuda‘ device type for generator but found ‘cpu‘

参考github上的解决方法，有两种方法可成功运行：

第一种是重装pytorch1.8版本，就可以正常运行，但我觉得太麻烦了

第二种是修改源码：

在位于 anaconda 或任何地方的文件“site-packages/torch/utils/data/sampler.py ”中。

[修改第 116 行]：generator = torch.Generator() 改成generator = torch.Generator(device=cuda) [修改第 126 行]：yield from torch.randperm(n, generator=generator).tolist() 改成yield from torch.randperm(n, generator=generator, device=cuda).tolist()

在train.py文件中，data.DataLoader处进行添加generator

data_loader = data.DataLoader(dataset, args.batch_size, num_workers=args.num_workers, shuffle=True, collate_fn=detection_collate, pin_memory=True, generator=torch.Generator(device=cuda))

（5）运行train.py ，如下图

参考资料：

SSD训练自己的数据集（pytorch版）_Kellenn的博客-CSDN博客_ssd训练自己的数据集pytorch

【目标检测实战】Pytorch—SSD模型训练（VOC数据集） - 知乎 (zhihu.com)

2.1SSD算法理论_哔哩哔哩_bilibili