（1）本仓库为本人根据自己项目需要所配置好的pytorch版本的ssd模型。建仓库的初衷是本人在跑的过程当中遇到了很多的报错，因此想一起分享交流经验。本仓库修改了部分可能出现bug的代码，同时附上了解决部分问题的博客和交流贴
（2）本仓库所修改的源代码的作者及其仓库链接：https://github.com/amdegroot/ssd.pytorch
以下步骤不需要都完成，根据自己的需要进行阅读
（1）配置ssd：https://blog.csdn.net/m0_47452894/article/details/112783858 中的运行eval.py之前的部分，在配置好这一条的基础上运行train.py，看能不能成功运行。
（2）完善ssd：https://blog.csdn.net/dear_queen/article/details/114301614 （用于解决目标计算机积极拒绝的问题），即需要在终端里面启动visdom，输入命令：python -m visdom.server
（3）解决问题“Expected a 'cuda' device type for generator but found 'cpu'”： amdegroot/ssd.pytorch#561
（4）若你的数据集按VOC格式划分好了的，可跳过这一步。若未划分，则可以找到data/VOCdevkit/VOC2007下的make.py，先在代码中设定数据集各部分划分的比例（默认训练：验证：测试=6：2：2），然后运行。代码在ImageSets/Main下自动生成trainval.txt,test.txt,train.txt,val.txt四个文件，方便模型读取哪些图片用来训练，哪些用来验证，哪些用来测试。
data文件夹中的VOC数据集文件结构如下（Annotations中放数据集中所有的标签，ImageSets中放数据集中所有的图片）：
--data
| --VOCdevkit
| --VOC2007
| --Annotations
| --1.xml,2.xml,....
| --JPEGImages
| --1.jpg,2.jpg,....
| --ImageSets
| --Main
| --test.txt # 用于测试，这几个文件中存的都是文件的索引，如1,2,3,4...加上.xml或者.jpg就是对应标签和图像的名字
| --train.txt # 用于训练
| --trainval.txt # 训练加验证
| --val.txt # 验证
| --debug.py
| --make.py
| --clear.py
| ······ # 其他文件
（5）解决问题
img, boxes, labels = self.transform(img, target[:, :4], target[:, 4])
IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed ：
此为数据集当中可能出现的问题，主要原因可能是作为背景训练的图片的XML文件中没有obj对象。
解决办法：amdegroot/ssd.pytorch#224, 交流帖中代码已保存至仓库中data/VOCdevkit/VOC2007/debug.py，即与VOC2007数据集中的Annotations、JPEGImages等在同一目录，运行后在哪一个xml停下来，就去删除或修改对应的xml和图片，还要删除train.txt或val.txt或trainval.txt中对应的索引，不然会报（6）中的错。当运行debug.py不再显示 “ INDEX ERROR HERE ! ”，再运行train.py则不会报该项错误）
(6)解决问题
source = open(source, "rb") FileNotFoundError: [Errno 2] No such file or directory: 'E:\\...\\ssd.pytorch-master\\data\\VOCdevkit\\VOC2007\\Annotations\\00077.xml'，该问题是（5）中删除了对应的xml和图片，而train.txt或val.txt或trainval.txt中存的索引没有删除所导致的，去train.txt或val.txt或trainval.txt中删除对应索引即可。
（7）clear.py用来解决图片与标签数量不匹配的问题。
一般而言，完成上述部分即可开始训练了。
先按照上述（1）中的运行eval.py修改，运行eval.py，若没有成功运行则可能会报TypeError: forward() takes 4 positional arguments but 9 were given的错，因此若遇到该项报错，只需按照以下内容修改即可。
（1）修改eval.py
#修改39行；将源码的模型文件改成自己训练好的模型文件
parser.add_argument('--trained_model',
default='weights/ssd300_VOC_20000.pth', type=str,
help='Trained state_dict file path to open')
#将71行的
imgsetpath = os.path.join(args.voc_root, 'VOC2007', 'ImageSets','Main', '{:s}.txt')
#修改为
imgsetpath = os.path.join(args.voc_root, 'VOC2007', 'ImageSets', 'Main') + os.sep + '{:s}.txt'
#如不修改，则imgsetpath 可能无法正常拼接出来，导致报错（2）按照以下内容修改ssd.py：
# 51行附近
if phase == 'test':
self.softmax = nn.Softmax()
self.detect = Detect()
# 120行附近
if self.phase == "test":
output = self.detect.forward(
loc.view(loc.size(0), -1, 4), # loc preds
self.softmax(conf.view(conf.size(0), -1,
self.num_classes)), # conf preds
self.priors.type(type(x.data)) # default boxes
)完成上述部分，看能否运行成功eval.py，若报错，下面的部分可能会有所帮助。
（3）可能遇到”RuntimeError: index_select(): functions with out=... arguments don't support automatic differentiation, but one of the arguments requires grad.”，解决问题：https://blog.csdn.net/XiaoGShou/article/details/125253471
（4）可能遇到
cv2.error: OpenCV(4.5.2) :-1 error: (-5:Bad argument) in function 'rectangle`
\> Overload resolution failed:
\> - Can't parse 'pt1'. Sequence item with index 0 has a wrong type
\> - Can't parse 'pt1'. Sequence item with index 0 has a wrong type
······
（5）可能遇到”AttributeError: ‘NoneType‘ object has no attribute ‘text‘“，解决问题：https://blog.csdn.net/qq_55535816/article/details/121456901 ，将代码报错部分按照此博客中方法二的方法设置
（6）可能遇到 R = [obj for obj in recs[imagename] if obj['name'] == classname] KeyError: '1000'，解决问题：amdegroot/ssd.pytorch#482 （删除annotations_cache/annots.pkl）
3、注：测试时修改后的ssd.py的代码并没法在训练的时候也成功运行，因此以后想要反复训练和测试，仅需在相应阶段使用相应的代码，这里已经整理好了，仅需调整ssd.py的内容（下面代码为训练时用，测试部分已被注释）：
（训练时，注释掉测试用的代码，同时取消注释训练用的代码；测试时同理）
# 51行附近
# 训练时代码
if phase == 'test':
self.softmax = nn.Softmax(dim=-1)
# ORIGINAL IMPLEMENTATION DEPRECATED
# self.detect = Detect(num_classes, 0, 200, 0.01, 0.45)
self.detect = Detect() # corrected implementation
# my comments
# this 'Detect' Function is not compatible with new Pytorch version,
# generates error 'Legacy autograd function with non-static forward
# method is deprecated. Please use new-style autograd function with
# static forward method.'
# Correction is implemented by passing above arguments directly to
# command .apply() at the forward method below.
"""
# 测试时代码
if phase == 'test':
self.softmax = nn.Softmax(dim=-1)
self.detect = Detect(num_classes, 0, 200, 0.25, 0.45)
"""
# 120行附近
# 训练时代码
if self.phase == "test":
# ORIGINAL LINE IS DEPRECATED
# output = self.detect(
# corrected implementation:
output = self.detect.apply(self.num_classes, 0, 200, 0.01, 0.45,
# loc preds
loc.view(loc.size(0), -1, 4),
# conf preds
self.softmax(conf.view(conf.size(0), -1, self.num_classes)),
# default boxes
self.priors.type(type(x.data))
)
# 测试时代码
"""
if self.phase == "test":
output = self.detect.forward(
loc.view(loc.size(0), -1, 4), # loc preds
self.softmax(conf.view(conf.size(0), -1,
self.num_classes)), # conf preds
self.priors.type(type(x.data)) # default boxes
)
"""