本篇文章是我在自己学习的过程中写的，当作一个笔记，写的比较详细
在github上下载SSD的tensorflow版本：

https://github.com/balancap/SSD-Tensorflow

下载后先解压缩checkpoint：

unzip ssd_300_vgg.ckpt.zip

用jupyter-notebook 跑一下训练好的模型：

jupyter notebook notebooks/ssd_notebook.ipynb

作者在README中已经写了训练的方法，但是为英文，也不是那么详细，本篇针对我训练过程中遇到的一些问题进行处理

一，coco数据集格式转Voc

这里我的数据集是coco格式的，但是训练的是voc格式，需要转化为voc格式，如果本身是voc格式的数据集，可以跳过这一步。
转换方法参考我另一篇博客：
coco数据集和voc数据集的相互转换

二，voc数据集转换为标准的TF_records

1,制作voc标准数据集
转换是根据标准voc数据集进行转换的，所以需改为标准数据集：
建立如下文件夹结构：
将xml文件放到Annotations文件夹下 图片文件放到 JPEGImages文件夹下

voc2020
├── Annotations
│   ├── img_0000004.xml
│   ├── img_0000012.xml
│   ├── img_0000014.xml
└── JPEGImages
    ├── img_0000004.jpg
    ├── img_0000012.jpg
    ├── img_0000014.jpg
    ├── img_0000034.jpg
    ├── img_0000043.jpg

2,使用tf_convert_data.py进行转换
打开终端运行python脚本 --dataset_name=pascalvoc这个不变 --dataset_dir=填写Annotations和JPEGImages所在目录 --output_name=随意起 output_dir=输出路径

python3 tf_convert_data.py --dataset_name=pascalvoc  --dataset_dir=/root/workspace/dataset/voc2020/ --output_name=bottle_cap  --output_dir=/root/workspace/dataset/boottle_tf_records_train/

但是执行后遇到错误:

labels.append(int(VOC_LABELS[label][0]))
KeyError: '标贴歪斜

网上查找解决方案:
打开datasets文件夹下的pascalvoc_to_tfrecords.py文件，修改它的第103行
注释掉原来的， 括号内改为1,即可

  #labels.append(int(VOC_LABELS[label][0]))
    labels.append(1)#int(VOC_LABELS[label][0])label对应的类别编号，此处直接使用1.没什么特殊意义

继续执行，报错：

labels_text.append(label.encode('ascii'))
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)

这是由于我的标签为中文，需要把pascalvoc_to_tfrecords.py105行改为utf-8：

执行程序：

成功！

三.更改相关标签数目为自己的数目

因为原本训练标签数为作者的,所以需要改为自己的标签数:
1.先改:SSD-Tensorflow-master—>datasets—>pascalvoc_common.py 更改类别数:

2.更改 train_ssd_network.py这里改为自己的类别数+1(背景也算类别数)

tf.app.flags.DEFINE_integer(
    'num_classes', 10, 'Number of classes to use in the dataset.')

3.更改SSD-Tensorflow-master/net/ssd_v300.py
这里 num_classes,no_annotation_label改为类别数+1

 default_params = SSDParams(
        img_shape=(300, 300),
        num_classes=10,
        no_annotation_label=10,

4，datasets/pascalvoc_2007.py类别数更改

#这里写你想分割的训练集和测试集
SPLITS_TO_SIZES = {
    'train': 5011,
    'test': 4952,
}
SPLITS_TO_STATISTICS = {
    'train': TRAIN_STATISTICS,
    'test': TEST_STATISTICS,
}

5,SSD-Tensorflow-master—>datasets—>pascalvoc_to_tfrecords.py 然后更改文件的83行读取方式为’rb’）
这是由于一个小bug引起的，修改下就行了

四，训练

前面的准备工作已经做完了，可以运行train_ssd_network.py进行训练了
这里是根据vgg300的权重继续训练，写一个sh文件，传入参数运行：

python3 train_ssd_network.py \
    --train_dir=/media/comway/data/dial_SSD/SSD-Tensorflow-master/train_log/ \   #训练生成模型的存放路径
    --dataset_dir=/media/comway/data/dial_SSD/SSD-Tensorflow-master/dialvoc-train-tfrecords \  #数据存放路径
    --dataset_name=pascalvoc_2007 \  #数据名的前缀，我觉得应该通过这个调用是2007还是2012
    --dataset_split_name=train \  #是加载训练集还是测试集
    --model_name=ssd_300_vgg \  #加载的模型的名字
    --checkpoint_path=/media/comway/data/dial_SSD/SSD-Tensorflow-master/checkpoints/ssd_300_vgg.ckpt \  #所加载模型的路径
 --checkpoint_exclude_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_300_vgg/block10_box,ssd_300_vgg/block11_box \
    --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_300_vgg/block10_box,ssd_300_vgg/block11_box \
    --save_summaries_secs=60 \#每60s保存一下日志
    --save_interval_secs=600 \  #每600s保存一下模型
    --weight_decay=0.0005 \   #正则化的权值衰减的系数
    --optimizer=adam \  #选取的最优化函数
    --learning_rate=0.001 \  #学习率
    --learning_rate_decay_factor=0.94 \  #学习率的衰减因子
    --batch_size=16 \   
    --gpu_memory_fraction=0.9  #指定占用gpu内存的百

这里我是直接改的train_ssd_network.py代码文件进行训练：