最近一直在看深度学习的东西，用到了ssd，上网一搜，找到一篇不错的博客，，， 这篇是连安装cuda到caffe环境的一系列。经过磕磕绊绊，也决定写一篇相关的博客。
ssd的demo是介绍了在voc数据集上训练和验证，所以想要简单的使用ssd训练自己的数据，就是做成类似voc 的数据再调用ssd 中的ssd_pascal.py进行训练。 这里需要说明的是ssd项目中自带的ssd_pascal.py文件会在VGG的模型上再训练，以我的理解就是在VGG的模型上做fine-tuning。
现在从头开始教程：
1 安装ssd
1.1 首先需要安装有git
sudo apt-get install git
1.2 git ssd 项目
git clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd（出现“分支”则说明copy-check成功）
记得一定要用git的方法，不要直接下载caffe-master.zip这种压缩包，里面没有git的配置，没用的。
1.3 开始编译ssd
先安装一些依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-dev
ubuntu14.04需要依赖
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
ubuntu16.04需要cuda 8
BLAS:可以通过
sudo apt-get install libatlas-base-dev
可以安装OpenBLAS 或者 MKL，MKL可以使CPU更好的工作。
要python的话可能要安装
sudo apt-get install python-pip python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
开始编译，编译有两种办法：
** 1.3.1 直接make**
cd " <你的caffe项目> "cp Makefile.config.example Makefile.config
如果你想直接用CPU而不用GPU，进入Makefile.config 将 #CPU_ONLY:=1这句去掉注释，像下面这个
# CPU-only switch (uncomment to build without GPU support).CPU_ONLY := 1
如果要改BLAS：
# BLAS choice:# atlas for ATLAS (default)# mkl for MKL# open for OpenBlasBLAS := atlas
然后执行
make all -j8sudo make installmake runtest （这个不一定要）make pycaffe
** 1.3.2 用cmake方法安装**
cd " <你的caffe项目> "mkdir buildcd buildccmake ..make -j8sudo make installmake runtestmake pycaffe
如果要改BLAS和单用CPU，在ccmake .. 中选择。
装好在之后注意配置python caffe 环境
vim /etc/profile
在最后一行添加
export PYTHONPATH=/home/........../caffe/python:$PYTHONPATH
然后更新下环境
source /etc/profile
1.4 验证pycaffe环境
pythonimport caffe
如果没有问题那就是成功了
如果有错误那么就打开主目录下的.bashrc写入那句话,再试试看。
2 训练自己模型
训练VOC数据的方法上面那篇博客有讲，这里不再多说。讲讲训练自己数据。
现在来看一下voc的标签00001.xml
VOC2007 000018.jpg The VOC2007 Database PASCAL VOC2007 flickr
340537267 Kathy Stern Kathy Stern 380 285 3 0
现在主要更改的是size中的width，height，object中的name和xmin，xmax，ymin，ymax这几个东西。
所以每幅图片都要在样子更改，上面的博客推荐了一个，但是对于我来说不太好用，然后就写了一个基于opencv的程序，稍后放出。
在ssd中voc的同级目录新建一个文件夹，讲所有图片和标签都放进去，做好链接 
- trainval.txt 存放训练用的图片路径，格式类似
data1/image1.jpg data1/image.xml
- test.txt 存放测试用的图片路径，格式和trainval.txt相同
- test_name_size.txt 存放测试用的图片，格式类似测试 “ 图片名 高 长“
imagetest1 300 300
- labelmap_indoor.prototxt 标签的名字，注意label 0 这类一定会存在，就是图片bounding box以外的数据标签
数据做好之后运行create_data.sh进行整理数据，create_data.sh里面可能有些路径错误，可以自行改到自己的数据目录。
运行create_data.sh之后会在当前目录和ssd的examples下新建一个数据目录，名字是当前目录的名字。
3 训练
打开ssd_pascal.py需要修改的有一下几点：
- train_data和test_data , 指向examples中你的数据，例如
train_data = "examples/indoor/indoor_trainval_lmdb"# The database file for testing data. Created by data/VOC0712/create_data.shtest_data = "examples/indoor/indoor_test_lmdb"
- num_test_image该变量修改成自己数据集中测试数据图片的数量
- num_classes 该变量修改成自己数据集中 标签类别数量数 + 1
- gpus = "0,1,2,3" 电脑有几个gpu就写多少个，如果有一个就写gpus="0",两个就写gpus="0,1",以此类推。
最后到caffe的根目录运行, ps:你的ssd_pascal.py的目录是example/yourSSD/ssd_pascal.py
python example/yourSSD/ssd_pascal.py
4 测试
有好几种测试的方法，
4.1 python
在caffe的根目录运行ssd_pascal_webcam.py这个文件，这是使用摄像头实时测试的软件，读取的caffemodel是在caffe/models/VGGNet/VOC0712/SSD_300x300_webcam下最新的model，所以记得在这个文件夹中放入模型。 还要更改下ssd_pascal_webcam.py中label_map_file到你的labelmap_voc.prototxt
python examples/ssd/ssd_pascal_webcam.py
4.2 c++
编译完SSD后，C++版本的的可执行文件存放目录： .build_release/examples/ssd/ssd_detect.bin
测试命令 ./.build_release/examples/ssd/ssd_detect.bin models/VGGNet/indoor/deploy.prototxt models/VGGNet/indoor/VGG_VOC0712_SSD_300x300_iter_60000.caffemodel pictures.txt
ssd自带ssd_detect.cpp，可以拿来使用。
** 4.2.1 用qt** .pro件定义中需要引入你的caffe配置，例如
LIBS += /home/xxx/caffe/build/lib/libcaffe.so INCLUDEPATH += /home/xxx/caffe/includeINCLUDEPATH += /home/xxx/caffe/build/include
可能还会有一些编译问题：
- error while loading shared libraries: libglog.so.0: cannot open shared object file: No such file or directory 解决
LIBS +=/usr/lib/x86_64-linux-gnu/libglog.so
- libcaffe.so.1.0.0-rc3: cannot open shared object file: No such file or directory 解决：在/etc/ld.so.conf.d/下新建caffe.conf文件，在caffe.conf中加入到libcaffe.so.1.0.0-rc3的位置，基本上是在build的lib里。
** 4.2.2 使用cmake**
如果是使用cmake，注意安装ssd的时候一定要make install
然后CMakeLists.txt
find_package(OpenCV REQUIRED)find_package(Caffe REQUIRED)#option (CPU_ONLY "Use CPU or use GPU" ON)#option (USE_OPENCV "Use CPU or use GPU" ON)include_directories( ${Caffe_INCLUDE_DIRS} )add_definitions(${Caffe_DEFINITIONS}) # ex. -DCPU_ONLYadd_executable(ssd_detect ssd_detect.cpp ) 使用cpu或者gpu可以在选项里面定义。
博客先写到这里，如有有任何疑问和错误可以和作者联系，以后会不定期修改文章错误和增加注意事项。