README.md

# SSD（TensorFlow2.7）测试

## 测试前准备

### 数据集准备

训练所需的ssd_weights.h5和主干的权值可以在百度云下载。

链接: https://pan.baidu.com/s/1Ddk5UcZS5Dm4qechwGJDlA

提取码: 1k5d

VOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：

链接: https://pan.baidu.com/s/1YuBbBKxm2FGgTU5OfaeC5A  

提取码: uack 

### python依赖包

使用Conda配置TF2.7环境，环境中包括根据whl文件安装的Tensorflow2.7和Python3.7

构建TF2的支持文件requiresments.txt

使用命令：

```
pip3 install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/
```

### 环境变量设置

```
conda activate tensorflow2.7  
source /public/software/compiler/rocm/dtk-21.10.1/env.sh  
export LD_LIBRARY_PATH=/public/software/compiler/rocm/dtk-21.10.1/roctracer/lib/:$LD_LIBRARY_PATH  
export HSA_FORCE_FINE_GRAIN_PCIE=1  
export MIOPEN_FIND_MODE=3  
export HIP_VISIBLE_DEVICES=0 
```

## 单卡测试

```
source activate  
conda activate tensorflow2.7  
source /public/software/compiler/rocm/dtk-21.10.1/env.sh  
export LD_LIBRARY_PATH=/public/software/compiler/rocm/dtk-21.10.1/roctracer/lib/:$LD_LIBRARY_PATH  
export HSA_FORCE_FINE_GRAIN_PCIE=1  
export MIOPEN_FIND_MODE=3  
export HIP_VISIBLE_DEVICES=0  
cd /public/home/libodi/work1/ssd-tf2-master
#without xla
python3 train.py --dtype=fp32
#with xla
TF_XLA_FLAGS="--tf_xla_auto_jit=2" python3 train.py --dtype=fp32
```

使用ssd-tf2-master/voc_annotation.py自动生成训练集和验证集，其中训练集5717 张、验证集5823张。**具体为，修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。**

使用ssd-tf2-master/trian.py进行训练，train.py中有详细的参数配置选项，如batch_size、epoch数等。