retinaface訓練自己的資料集 記錄。
win 10
mxnet
python 3.6
ps: 由於新手習慣了win10和tf，沒用過linux以及pytorch，所以在跑通insightface也走了不少彎路。
pip清華源安裝pip install mxnet_cu90mkl -i 我用的gpu，可以設定 os.environ[『cuda_visible_devices』]=『0』，然後這個問題就不報錯了
雖然有gpu但cuda不匹配，在製作好資料集跑時也遇到了很多問題，花了很久才解決
改了train.py 以及 multiboxloss.py中的帶cuda的，替換成cpu
解決assertionerror:torch not compiled with cuda enabled報錯問題
把自己的資料集的原圖放在 images
以及做好的label
ps: 有關label.txt
（因為空格和路徑的問題一直出現 報錯height, width, _ = img.shape attributeerror: 『nonetype』 object has no attribute 『shape』）
第二行前四個分別表示臉部的位置資訊
b0=xmin
b1=ymin
b2=xmax-xmin
b4=ymax-ymin
第五個至第十九個數值表示人臉的五個關鍵點的座標，如果不需要，可以全部標-1
最後乙個置信度
（有位大神告訴我說這個是根據現有的人臉檢測演算法測試出來的，也可以根據這個值設定是否將其加入訓練）
在config設定相關引數，改train中的各項路徑就可以開始訓練了
訓練自己的資料
為了完成畢業設計，還需要繼續學習caffe，並能夠成功地訓練自己的實驗資料，這裡整理caffe整個訓練過程。使用caffe訓練卷積神經網路主要包括以下幾個步驟 1 預處理影象，一般是指將影象轉化為具有同樣大小的畫素 2 根據設計好的網路結構配置相應的網路結構檔案和訓練引數檔案 3 訓練模型並測試結果...
refinedet pytorch訓練自己的資料
方便起見便按照voc資料格式修改，並修改 中關於voc資料使用的地方。1 將自己的資料製作成voc格式，可參考 2 data config.py 2.1 修改home 自己的資料集路徑 2.2 修改voc資料訓練 為了方便檢視改動，用紅色字型標註 voc 512 3 data voc0712.py ...
caffe訓練自己的資料
本文介紹如何使用 caffe 對自己的影象資料進行分類。1 資料庫準備 由於資料收集比較費時，為了簡單說明，我用了兩類，dog和 bird 每種約 300張。train200 張，val100張。新建乙個資料夾 mine 放自己的資料，在 mine 資料夾下新建 train 和val 資料夾，tra...