最近被Moilenet SSD虐的真的是不要不要的，花了兩週的時候才算是徹底跑通它的原始碼和訓練自己的資料集（雖然這摸摸那摸摸的時間佔了一大半），而且我以前基本是不用Caffe這個框架的，因為以前也是在編譯Caffe的時候被虐慘了，所以一直都是Tensorflow的忠實愛好者，但是上手之後（。。。真香）。廢話不多說，直接進入正題~~

  博主在配置Mobilenet ssd的時候基本上是參考這兩位大神的步驟一步一步來的，但是裡面有幾點我碰到的奇葩問題：

.

奇葩問題一.針對make runtest 的問題。

在這裡面的第四步 make runtest不是必須的，但是我後面在mobilenet 跑訓練的時候碰到了如下的錯誤:

這個問題解決方法為：

輸入命令：sudo rm -rf ~/.nv/ 不行的話就用命令：sudo rm -rf .nv/ （此方法在caffe和tensorflow均能使用）

奇葩問題二：

這個問題針對於用window製作資料集，用ubuntu跑實驗的同學。

這個問題出現的原因是window的分行符和ubuntu的分行符不同，所以在Main資料夾下的txt文字會寫成一行，在執行create_lish.sh就會出現上面的問題，解決方法，在你自己的VOC資料集當前目錄執行如下程式碼：

import os  
import random  

trainval_percent = 0.7  
train_percent = 0.8
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets/Main'  
total_xml = os.listdir(xmlfilepath)  

num = len(total_xml)  
list = range(num)  
tv = int(num*trainval_percent)  
tr = int(tv*train_percent)  
trainval = random.sample(list,tv)  
train = random.sample(trainval,tr)  

ftrainval = open(txtsavepath+'/trainval.txt', 'w',encoding="utf-8")  
ftest = open(txtsavepath+'/test.txt', 'w',encoding="utf-8")  
ftrain = open(txtsavepath+'/train.txt', 'w',encoding="utf-8")  
fval = open(txtsavepath+'/val.txt', 'w',encoding="utf-8")  

for i in list:  
    name = total_xml[i][:-4]+'\r\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  

ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()
print('Well Done！！！')

執行後，就能生成正常的txt文字了。

再次說明此問題只會出現在用window 做資料集，ubuntu上做實驗的同學身上。

其他的問題基本上csdn的大神都可以解決了。