painterdrown Blog - painterdrown CV

# 我和 SSD 的亲密接触

⏰ 2018-05-21 08:22:22
👨🏻‍💻 painterdrown

• 我和 SSD 的亲密接触
  • 1. 装 caffe
  • 2. 训练 & 评估
    • 2.1 Train & Evaluate(顺便)
    • 2.2 Evaluate
    • 2.3 Test Using a Webcam
    • 2.4 Test
    • 2.5 Train on Other Dataset
  • 3. BTW
    • 3.1 Linux 进程状态
    • 3.2 tmux 常用操作
    • 3.3 在 macOS Terminal 通过 ssh 显示服务器的图形化界面
  • 4. Resources

# 1. 装 caffe

实验室的服务器（Ubuntu 16.04）已经装好了 CUDA, cuDNN, OpenCV 的环境，所以现在只需要编译一下 Caffe 就可以跑。

官方安装教程：https://github.com/weiliu89/caffe/tree/ssd#installation

跟着这个教程走完 Installation 和 Preparation。

我的 Makefile.config & Makefile

PS: 由于在编译的时候遇到了一个关于 hdf5 和 undefined reference to「boost::re_detail::raise_runtime_error(std::runtime_error const&)」 的错误，需要修改下 Makefile:

# 原来版本：LIBRARIES += glog gflags protobuf boost_system boost_filesystem boost_regex m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial boost_thread stdc++ boost_regex

我这边 make py 的结果：

# 2. 训练 & 评估

# 2.1 Train & Evaluate(顺便)

# time: 08:48
python examples/ssd/ssd_pascal.py

开始跑：

以及 GPU 的状态如下（zhengzhao 是我）：

刚开始用 tmux，不小心关掉了窗口，看不到输出，只能等它跑完了…这是 ps 查到的进程状态（先是通过 ps）：

# 找到相应进程的 ID（其实已经包含线程状态了）
ps aux
...

# 查看进程的状态
ps <pid>
  PID TTY      STAT   TIME COMMAND
31938 ?        Sl   385:59 ./build/tools/caffe train --solver=models/VGGNet/VOC0712/SSD_300x300/solver.prototxt --weights=models/VGGNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel --gpu 0,1,2,3

我观察了一下，跑 200 次迭代需要 123 秒。这次训练需要 120k 次迭代，大概要跑 20 个小时…漫长等待之后，可以在 $HOME/data/VOCdevkit/results/VOC2007/SSD_300x300/ 看到运行的结果：

训练出来的模型在 $CAFFE_ROOT/models/VGGNet/VOC0712/SSD_300x300/:

还有这次训练的其它 job file, log file, python script 在 $CAFFE_ROOT/jobs/VGGNet/VOC0712/SSD_300x300/:

# 2.2 Evaluate

It should reach 77.* mAP at 120k iterations.

官方说能达到 77 的 mAP，现在来测试一下。

python examples/ssd/score_ssd_pascal.py

输出如下：

可以看到是有 76.99 的 mAP，没有 77 有点小失望。

# 2.3 Test Using a Webcam

这一步就算了，我这里没有网络摄像头。

# 2.4 Test

Check out examples/ssd_detect.ipynb or examples/ssd/ssd_detect.cpp on how to detect objects using a SSD model. Check out examples/ssd/plot_detections.py on how to plot detection results output by ssd_detect.cpp.

这里是在说有 Jupyter 文档说明如何用 SSD 来做目标检测以及如何圈出检测结果。我把 Jupyter 转成了 HTML：examples/ssd_detect.ipynb。

附上 examples/ssd/ssd_detect.cpp 和 examples/ssd/plot_detections.py。

# 2.5 Train on Other Dataset

To train on other dataset, please refer to data/OTHERDATASET for more details. We currently add support for COCO and ILSVRC2016. We recommend using examples/ssd.ipynb to check whether the new dataset is prepared correctly.

我尝试着跑 examples/ssd_detect.ipynb 里面的代码，但是人家是 IPython 解释器跑的，所以这一句：%matplotlib inline 不能在 CPython 里面运行（我也不了解怎么把这句翻译到 CPython 里面）。所以也显示不了最终的效果图，但是代码是可以跑起来的，这就够啦嘿嘿。代码的思路：

1. 设置 caffe 的基本配置（CAFFE_ROOT）
2. 引入训练好到模型 models/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300_iter_120000.caffemodel
3. 加载测试图片，喂到模型里面，得到 classsification score 和 bounding box

# 3. BTW

# 3.1 Linux 进程状态

• D 不可中断 Uninterruptible sleep(usually IO)
• R 正在运行，或在队列中的进程
• S 处于休眠状态
• T 停止或被追踪
• Z 僵尸进程
• W 进入内存交换（从内核 2.6 开始无效）
• X 死掉的进程

进程状态的修饰：

• < 高优先级
• N 低优先级
• L 有些页被锁进内存
• s 包含子进程
• + 位于后台的进程组
• l 多线程，克隆线程

# 3.2 tmux 常用操作

• tmux new -s <name> 新建会话并取个名字。
• tmux ls 查看所有会话。
• tmux a -t <name> 进入某个会话。
• tmux kill-session -t <name> 终止某个会话。
• Ctrl + B + D 退出某个会话（仍在后台）。
• Ctrl + B + S 切换到另外的会话。

# 3.3 在 macOS Terminal 通过 ssh 显示服务器的图形化界面

https://uisapp2.iu.edu/confluence-prd/pages/viewpage.action?pageId=280461906

1. mac 本地先安装 XQuartz
2. ssh 连接的时候带上 -X 参数：ssh user@host -X
3. 之后，在 ssh 里面进行图形化相关的操作，就会在 mac 本地显示出来

# 4. Resources

• SSD: Single Shot MultiBox Detector
• 官方源码：https://github.com/weiliu89/caffe/tree/ssd