用SSD-Pytorch訓練自己的資料集
第一步:在Github上clone SSD-Pytorch:https://github.com/amdegroot/ssd.pytorch,根據教程一步步部署。
第二步:config.py裡面的voc的classes數值為你的類別數+1,預設模仿voc進行訓練;修改voc0712.py中的VOC_CLASSES和VOC_ROOT設定為自己的類別名稱與路徑,另外需要修改image_sets設定路徑;修改multibox_loss.py中的94與95行互換位置,114行修改為
N = num_pos.data.sum().double()
loss_l = loss_l.double()
loss_c = loss_c.double()
若你的pytorch版本為0.4.1則修改完畢,直接執行train.py。若你的pytorch版本為1.0.1則還需要修改train.py中的step3: change the line188,189,193,196:
loss_l.data[0] >> loss_l.data
loss_c.data[0] >> loss_c.data
loss.data[0] >> loss.data
相關文章
- keras-retinanet 用自己的資料集訓練KerasNaN
- Mxnet R FCN 訓練自己的資料集
- Mxnet-R-FCN-訓練自己的資料集
- 資料集訓練
- Caffe-SSD-Ubuntu16-04-訓練自己的資料集Ubuntu
- Caffe SSD Ubuntu16 04 訓練自己的資料集Ubuntu
- 谷歌colab訓練自己的資料集YOLOv3谷歌YOLO
- 資料集訓練+1
- Yolov3程式碼分析與訓練自己資料集YOLO
- 用PyTorch版本R-FCN訓練自己的資料PyTorch
- fashion資料集訓練
- yolov3訓練自己資料教程YOLO
- Caffe下自己的資料訓練和測試
- 訓練機器學習的資料集大小很重要 - svpino機器學習
- 如何改善你的訓練資料集?(附案例)
- 全網最細 | 教你如何在 docker 容器下使用 mmdetection 訓練自己的資料集Docker
- 使用自己的資料集訓練MobileNet、ResNet實現影象分類(TensorFlow)
- 首次!用合成人臉資料集訓練的識別模型,效能高於真實資料集模型
- 【NLP學習其四】如何構建自己用於訓練的資料集?什麼是詞性標註?詞性標註
- 機器學習的訓練集機器學習
- DeepLab 使用 Cityscapes 資料集訓練模型模型
- yolov5 自建資料集訓練測試YOLO
- YOLOv4 win10 配置 + 訓練自己的資料 + 測試YOLOWin10
- 使用TensorFlow slim資料夾當中的inception_resnet_v2網路訓練自己的分類資料集
- 亮資料:高效率資料採集,加速大模型訓練!大模型
- Alink漫談(七) : 如何劃分訓練資料集和測試資料集
- 用DPM(Deformable Part Model,voc-release3.1)演算法在INRIA資料集上訓練自己的人體檢測模型ORM演算法模型
- Windows10 使用 Tensorflow Object_detection API 訓練自己的資料WindowsObjectAPI
- keras 手動搭建alexnet並訓練mnist資料集Keras
- 用神經網路測量訓練集的半衰期神經網路
- Caffe 訓練mnist資料
- Scaled-YOLOv4 快速開始,訓練自定義資料集YOLO
- Yolov5_v6.2訓練資料集進行預測YOLO
- 資料模型需要多少訓練資料?模型
- 基於pytorch實現Resnet對本地資料集的訓練PyTorch
- nnUNet使用指南(一):Ubuntu系統下使用nnUNet對自己的多模態MR資料集訓練Ubuntu
- MXNet的資料格式轉化為tensorflow訓練用的資料格式
- 新高一暑假第一期集訓恢復性訓練【資料結構-雜題小練】(並查集)(補)資料結構並查集