标签：速度 blank 搭建 自己 方法 nvidia file 需要 结果
由于最近想试一下牛掰的目标检测算法SSD。于是乎，自己做了几千张数据（实际只有几百张，利用数据扩充算法比如镜像，噪声，切割，旋转等扩充到了几千张，其实还是很不够）。于是在网上找了相关的介绍，自己处理数据转化为VOC数据集的格式，在转化为XML格式等等。具体方法可以参见以下几个博客。具体是window还是Linux请自行对号入座。
Linux：http://blog.sina.com.cn/s/blog_4a1853330102x7yd.html
window：http://blog.csdn.net/buaalei/article/details/55094879
数据转换好以后，接下来的工作就是在window下搭建SSD训练环境了，这里面有很多地雷，我本人也是反复尝试反复修改几天后才得以成功。
1 首先看你的电脑配置是否有GPU，如果没有GPU那就很好办了，首先下载SSD模型，链接：https://github.com/conner99/caffe，（当然也要的人是下载window-caffe的，然后再往里面添加SSD相关的文件，但是很明显多此一举了）。所以我们还是站在巨人的肩膀上吧。
2 下载好了ssd的caffe环境，接下来就是安装CUDNN,CUDA,PYTHON等的配置，这里参考的文献很多我就不再赘叙了，当然如果你是CPU环境，那么不需要配置CUDNN环境。
3 安装好了SSD环境后，由于SSD训练还需要第三方库，这里也有提供，链接：http://pan.baidu.com/s/1eSaP3rW 密码：nuja ，具体过程如下：
（1）在caffe-master\src\caffe下新建3rdparty文件夹，里面添加hungarian.cpp
（2）在caffe-master\include\caffe下新建3rdparty文件夹，里面添加hungarian.hpp
4 接下来这个一定要改，不改的话会反复出现类似于：error MSB3721: 命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin\nvcc.exe" ....等错误。我本人在此被坑几天，头发都掉了一地，哎。这里的解决办法是在detection_output_layer.cu，detection_output_layer.cpp两个文件中注释掉所有出现的regex和rv的语句；然后再detection_output_layer.hpp中将语句#include <boost/regex.hpp>注释掉。此外，在libcaffe项目下的bbox_util.cu文件，注释掉thrust相关的内容，如下所示: //#include "thrust/functional.h" //#include "thrust/sort.h"
.....
//thrust::sort_by_key(&confidence[0],&confidence[0]+num_remain,&idx[0],
//thrurst::greater<Dtype>());*/
5 上面的执行完毕之后，恭喜你基本上可以生成libcaffe、caffe.exe文件，先编译libcaffe，再caffe（一般都是Release下）。
6 后面就简单了，写一个bat命令，设置好相应的solver.prototxt文件就可以开始训练了。
上面只要按照这个流程来，不要偷懒，基本上没什么大问题，而我总是感觉别人说的不一定对，抱着不装南墙不回头精神去配置，结果就是大几天时间挥霍掉了，希望大家谨慎对待，不过，说实在的自己实现这一过程，从数据采集，数据扩充，转化格式，再到配置SSD环境，再到开始训练，收获良多，或许这就是自己动手的好处吧。这里附上我正在训练的过程，GPU速度杠杠的。
期待能得到好的结果，也祝大家好运。有什么问题欢迎留言交流，哈哈。最后附上一些好的相关博客：
http://blog.csdn.net/gxb0505/article/details/73702451
http://blog.csdn.net/maweifei/article/details/76685755
https://github.com/weiliu89/caffe
目标检测算法SSD在window环境下GPU配置训练自己的数据集
标签：速度 blank 搭建 自己 方法 nvidia file 需要 结果
原文地址：http://www.cnblogs.com/zy230530/p/7932021.html
