SSD-Tensorflow訓練模型——ssd_512_vgg
阿新 • • 發佈:2018-12-27
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:將300改為512, 將類別改為自己資料的類別(+背景)
4. 修改preprocessing/ssd_vgg_preprocessing.py
修改:將300改為512
5. 修改訓練語句
其他驗證測試語句中的模型名稱也要修改
# 註釋掉CHECKPOINT_PATH,不提供初始化模型,讓模型自己隨機初始化權重,從頭訓練 # 刪除checkpoint_exclude_scopes和trainable_scopes,因為是從頭開始訓練 # CHECKPOINT_PATH=./log_files/log_finetune/train_voc0712_20170712_1741_VGG16/model.ckpt-253287 python3 ../train_ssd_network.py \ --train_dir=${TRAIN_DIR} \ #訓練生成模型的存放路徑 --dataset_dir=${DATASET_DIR} \ #資料存放路徑 --dataset_name=pascalvoc_2007 \ #資料名的字首 --dataset_split_name=train \ --model_name=ssd_512_vgg \ #載入的模型的名字 //修改為模型的名字 #--checkpoint_path=${CHECKPOINT_PATH} \ #所載入模型的路徑,這裡註釋掉 --checkpoint_model_scope=vgg_16 \ #所載入模型裡面的作用域名 --save_summaries_secs=60 \ #每60s儲存一下日誌 --save_interval_secs=600 \ #每600s儲存一下模型 --weight_decay=0.0005 \ #正則化的權值衰減的係數 --optimizer=adam \ #選取的最優化函式 --learning_rate=0.00001 \ #學習率 --learning_rate_decay_factor=0.94 \ #學習率的衰減因子
6. 修改ssd_notbook.ipynb
a 將檔案中數字“300”改為“512”
b 將import sys
sys.path.append('../')
提前,改為如下圖
http://blog.csdn.net/liuyan20062010/article/details/78905517