搞了幾天終於把這個給搞得差不多了，遇到的錯誤這裡也記錄一下：

一、配置【配置什麼的300和512其實差不多，這裡只舉一個例子來分析一下】

　之前的檔案修改什麼的和300x300的一樣：https://www.cnblogs.com/GrPhoenix/p/10018072.html

從自己訓練的ssd_300_vgg模型開始訓練ssd_512_vgg的模型

      因ssd_300_vgg中沒有block12,又因為block7,block8,block9,block10,block11,中的引數張量兩個網路模型中不匹配，因此ssd_512_vgg中這幾個模組的引數不從ssd_300_vgg模型中繼承，因此使用checkpoint_exclude_scopes命令指出。

         因為所有的引數均需要訓練，因此不使用命令--trainable_scopes

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

1  #/bin/bash   2  DATASET_DIR = / home / data / xxx / imagedata / xing_tf / train_tf /   3  TRAIN_DIR = / home / data / xxx / model / xing300512_model /   4  CHECKPOINT_PATH = / home / data / xxx / model / xing300_model / model.ckpt - 60000    #載入的ssd_300_vgg模型   5  python3 . / train_ssd_network.py \   6         - - train_dir = ${TRAIN_DIR} \   7         - - dataset_dir = ${DATASET_DIR} \   8         - - dataset_name = pascalvoc_2007 \   9         - - dataset_split_name = train \ 10         - - model_name = ssd_512_vgg \ 11         - - checkpoint_path = ${CHECKPOINT_PATH} \ 12         - - checkpoint_model_scope = ssd_300_vgg \ 13         - - checkpoint_exclude_scopes = ssd_512_vgg / block7,ssd_512_vgg / block7_box,ssd_512_vgg / block8,ssd_512_vgg / block8_box,ssd_512_vgg / block9,ssd_512_vgg / block9_box,ssd_512_vgg / block10,ssd_512_vgg / block10_box,ssd_512_vgg / block11,ssd_512_vgg / b    lock11_box,ssd_512_vgg / block12,ssd_512_vgg / block12_box \ 14         #--trainable_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_3    00_vgg/block10_box,ssd_300_vgg/block11_box \ 15         - - save_summaries_secs = 28800  \ 16         - - save_interval_secs 相關推薦 SSD-Tensorflow 512x512 訓練配置 搞了幾天終於把這個給搞得差不多了，遇到的錯誤這裡也記錄一下： 一、配置【配置什麼的300和512其實差不多，這裡只舉一個例子來分析一下】 　之前的檔案修改什麼的和300x300的一樣：https://www.cnblogs.com/GrPhoenix/p/10018072.html 【文字檢測】SSD+Tensorflow 300&512 配置詳解 SSD_300_vgg和SSD_512_vgg weights下載連結【需要科學上網~】： Model Training data Testing data mAP FPS VOC07+12+COCO trainval VOC07 SSD Tensorflow訓練自己的資料集，遇到報錯absl.flags._exceptions.IllegalFlagValueError: flag --num_classes==: 求助 按照此部落格訓練到“五.訓練”這一步報錯。 連結：https://blog.csdn.net/Echo_Harrington/article/details/81131441   下面是bash 的   train.sh  檔案博主給的內容 D SSD講堂五(訓練) SSD Tensorflow 訓練測試自己的資料集 Jupiter notebook 顯示訓練結果 原博主：Echo_Harrington 關於訓練的部落格： https://blog.csdn.net/echo_harrington/article/details/81131441 關於統計目標框個數的程式碼（上述連結的統計程式碼有問題，此博主對其進行了修改）： https://blog.csdn.net/memories 【文字檢測】SSD+Tensorflow 300&512 配置詳解 SSD_300_vgg和SSD_512_vgg weights下載連結【需要科學上網~】： Model Training data Testing data mAP FPS SSD-300 VGG-base SSD-Tensorflow訓練模型——ssd_512_vgg 使用的基礎網路結構為ssd_512_vgg 1. 首先修改ssd_vgg_512.py的訓練類別 2.修改train_ssd_network.py的model_name    修改為ssd_512_vgg   3. 修改nets/np_methods.py     修改 SSD-Tensorflow訓練總結 #coding=utf-8 import os import math import random import numpy as np import tensorflow as tf import cv2 slim = tf.contrib.slim import matplotlib.pyplot Win10-Tensorflow-FasterRcnn訓練環境配置手冊 1、安裝顯示卡驅動：根據自己電腦的顯示卡下載適合的顯示卡驅動2、安裝CUDA8.0 安裝完成後檢視cuda版本： 在命令列輸入nvcc -V3、安裝cudnn v6.0將該資料夾下的cuda資料夾下對應的檔案目錄拷貝到第一步安裝的CUDA  檔案目錄4、安裝Anaconda3 SSD-Tensorflow測試及訓練自己的資料_錯誤錦集 深度學習小白一枚~入門初級，開始跑些實驗，一路遇到很多很多問題，在此僅記錄其中一部分，謝謝~環境：Ubuntu16.04+CUDA8.0+Cudnn8.0v6.0+python3.5+tensorflow1.4一、    SSD測試1.  下載SSD-Tensorflow原始 SSD-Tensorflow測試及訓練自己的資料錯誤錦集 深度學習小白一枚~入門初級，開始跑些實驗，一路遇到很多很多問題，在此僅記錄其中一部分，謝謝~環境：Ubuntu16.04+CUDA8.0+Cudnn8.0v6.0+python3.5+tensorflow1.4一、    SSD測試1.  下載SSD-Tensorflow原始 SSD-Tensorflow 訓練記錄 前記： 本篇部落格純屬記錄我在用VOC資料集以及自己的資料集訓練SSD-Tensorflow時遇到的一些問題以及部分問題的解決方法。 搭建SSD-Tensorflow框架，star最多的balancap大神的GitHub地址：https://github.com/balancap SSD-tensorflow使用文件(測試訓練基本流程) 原博文：SSD: Single Shot MultiBox Detector in TensorFlow這裡只從工程的角度介紹這份程式碼的使用方法，參照github上 balancap這個人 根據論文作者提供的caffe原始碼復現的tensorflow程式碼及其給出的教程，並 利用Tensorflow實現SSD架構model訓練（voc2012） 一、VOC圖片獲取 VOC資料下載地址：   找到上圖位置，下載training/validation data 和 development kit code and documentation 二、VOC圖片格式轉換為TFRcord 因為tf訓練需要tfreco TensorFlow自己訓練的SSD mobilenet模型 安卓移植 在做本專案之前，是一個非常非常小白的半吊子深度學習愛好者，但是一個月來接觸了並主導了一個計算機視覺小專案，收穫頗多。這篇文章詳細介紹一下從0到apk的一個TensorFlow模型移植的demo。不得不說，Google真是非常強大，尤其是TensorFlow和Android出自 SSD區域檢測網路配置+訓練自己的資料 之前用了faster-rcnn訓練資料後，查資料的時候發現了ssd這種end-to-end的檢測網路，所以決定跑一跑之前製作好的資料集試試。網上教程不是很多，而且感覺步驟簡略，自己琢磨了一晚上走了很多彎路才勉強把網路跑起來，所以決定寫一個踩坑跳坑小教程。 SS SSD-Tensorflow：利用KITTI資料集進行訓練 # Copyright 2015 Paul Balanca. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except 目標檢測SSD+Tensorflow 訓練自己的資料集 對原文的幾點解釋這說明: 1.程式碼地址：https://github.com/balancap/SSD-Tensorflow，下載該程式碼到本地 注:該程式碼是github上tensorflow版的SSD star 最多的程式碼. 2.解壓ssd_300_vg SSD-tensorflow 測試與訓練實踐 測試-evaluation測試就是用voc2007的test set來測試已經訓練好的checkpoint的mAP，github上提供了三個已經訓練好的model的checkpoint需要做的準備有：1. 下載voc2007的資料集，然後將test set轉化成tfrecord（在轉化時，原始碼只使用了ann TensorFlow-GPU環境配置之一——安裝Ubuntu雙系統 啟動 windows src 技術 截圖 建立 交換空間 windows系統 空間 本機已經安裝過Windows系統，準備安裝Ubuntu雙系統進行TensorFlow相關工作，需要在windows中將磁盤分出一定空間供Ubuntu使用 1.首先下載Ubuntu17.04版 TensorFlow-GPU環境配置之四——配置和編譯TensorFlow http mage body class 調用 技術 圖片 環境 進行 首先，使用configure進行配置 配置完成後，使用bazel編譯retrain命令，編譯命令中加入--config=cuda即為啟用GPU 編譯進行中。。。 編譯完成 編譯完成後，調用ret