2019.10.31
一、在筆記本安裝caffe環境
參考鏈接：https://blog.csdn.net/weixin_37621229/article/details/80547934
1.在筆記本安裝了CUDA10.1，Cudnn10.1，並配置環境變量
2.windows下需要用vs對caffe進行編譯，因此下載安裝vs2013，耗時較長
3.vs2013編譯libcaffe出錯：error : too few arguments in function call，原因，cudnn版本過高，參考網上教程修改cudnn部分代碼
參考鏈接：https://blog.csdn.net/mao_hui_fei/article/details/80326464
4.重新編譯仍然出錯：incompatible with your Protocol Buffer headers. Please update d:\caffe-master\caffe-master\include\caffe\proto\caffe.pb.h 13 2 libcaffe
版本不兼容，參考網上教程註釋掉報錯相關代碼
參考鏈接：https://blog.csdn.net/chenkjiang/article/details/15809407
5.重新編譯，報錯：IntelliSense: 不是類名或結構名 d:\caffe-master\caffe-master\include\caffe\proto\caffe.pb.h 661 26 libcaffe
6.刪除源碼重新編譯，報錯：未能從程序集 D:\caffe-master\NugetPackages\OpenCV.2.4.10\build\native\private\coapp.NuGetNativeMSBuildTasks.dll 加載任務“NuGetPackageOverlay”。
未能加載文件或程序集“file:///D:\caffe-master\NugetPackages\OpenCV.2.4.10\build\native\private\coapp.NuGetNativeMSBuildTasks.dll”或它的某一個依賴項。
系統找不到指定的文件。 請確認 <UsingTask> 聲明正確，該程序集及其所有依賴項都可用，並且該任務包含實現 Microsoft.Build.Framework.ITask 的公共類。
7.卸載opencv2.4.10，安裝opencv2.4.11，並修改pencv的配置文件OpenCV.props
參考鏈接：https://www.cnblogs.com/yamin/p/8596748.html
8.初步懷疑是CUDA、cudnn版本過高，網絡教程使用CUDA8.0，實際使用版本爲CUDA10.0，降低CUDA版本爲8.0，安裝時報錯，CUDA與顯卡不匹配，顯卡版本高無法使用8.0低版本CUDA，
修改CUDA版本爲9.0，編譯同樣出錯，錯誤類型--同上!
9.在VS2013中自己配置opencv，重新編譯，成功，問題解決
參考鏈接：https://bbs.csdn.net/topics/392062086
10.測試mnist數據集轉爲lmdb，失敗，需要先將下載好的數據集（.gz）解壓
11.仍然失敗，原因，忘了加空格，加入空格，轉換成功
12.訓練失敗 報錯Check failed: status == CUDNN_STATUS_SUCCESS (8 vs. 0) CUDNN_STATUS_EXECUTION_FAILED
13.版本兼容性問題，重新安裝CUDA9.2，CUDnn7.4，重新編譯，問題解決
二、安裝了notepad++
2019.11.1
一、安裝pycaffe
1.安裝anconda2
2.編譯報錯：無法找到python2.7d.lib,VS切換成release模式，重新編譯
3.報錯，找不到libcaffe，重新在release編譯libcaffe，再編譯pycaffe，編譯成功
4.將編譯好的pycaffe文件夾複製到python安裝路徑下，即D:\anconda，在python2.7下import caffe,成功。
5.運行caffe-Mobilenet-SSD報錯Message type "caffe.LayerParameter" has no field named "permute_param".，查資料發現，caffe版本不對，崩潰！
6.配置可運行SSD的caffe框架
參考鏈接：https://github.com/runhang/caffe-ssd-windows
7.安裝Cmake
8.不可用，改變戰術
9.根據鏈接https://blog.csdn.net/malvas/article/details/84068173安裝caffe-ssd。
10.心態爆炸，再不行我就得裝雙系統了
11.崩潰，裝雙系統吧
12.裝了雙系統ubuntu16.04，無法使用wifi，查詢資料，低版本系統沒有新網卡驅動，升級系統到18.04，問題解決
2019.11.2
ubuntu18.04安裝caffe-ssd
1、安裝顯卡驅動
2、安裝CUDA10、CUDnn7.6.3
3、配置Caffe-SSD-GPU
參考鏈接：https://blog.csdn.net/CAU_Ayao/article/details/84000151
4.主分區分配存儲太小，需要擴容
5.編譯出錯Makefile:570: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
安裝依賴庫重新編譯
參考鏈接：https://blog.csdn.net/CAU_Ayao/article/details/84023510
6.編譯python版本出錯Check failed: error == cudaSuccess (30 vs. 0) unknown error
Makefile修改CUDA_ARCH,參考鏈接：https://blog.csdn.net/u010167269/article/details/50703923
把其餘的都註釋掉，增加一行自己顯卡與之相對應計算能力的設置：
CUDA_ARCH := -gencode arch=compute_75,code=compute_75
英偉達GPU算力評估表格：https://blog.csdn.net/iefenghao/article/details/97956440
7.仍然報相同錯誤,查詢資料發現是顯卡驅動問題，使用nvidia-smi
報錯failed to initialize nvml driver/library version mismatch ubuntu
嘗試重啓機器，再使用nvidia-smi成功
參考鏈接：https://blog.csdn.net/jiandanjinxin/article/details/80688900
再次編譯runtest 成功
訓練VOC數據集
參考鏈接：https://blog.csdn.net/la_fe_/article/details/84928958
8.先運行caffe-ssd/data/VOC0712/create_list.sh，修改root_dir爲自己的數據集路徑
root_dir=/home/zimu/caffe-ssd/data/VOC0712/VOCdevkit/
create_data.sh中data_root_dir爲生成的lmdb文件
dataset_name爲數據集的名字
22.訓練時出現training error: Data layer prefetch queue empty
這種問題出現通常是註釋掉 CHECK_LE(a, b) 出現Data layer prefetch queue empty。導致程序出現死循環。
解決辦法修改src/caffe/util/sampler.cpp，如下面修改代碼所示//renew註釋下，加入兩個判斷，使得bbox長寬不要越界。
參考鏈接：https://blog.csdn.net/LuohenYJ/article/details/88416180
2019.11.3
1.今天來到後發現訓練又報錯了，懷疑是電腦休眠的問題，重新訓練VOC數據集
2.學習更改文件中的超參數，如迭代次數，batch等
3.學習顯示出loss曲線
4.訓練迭代10000次出錯Check failed: error == cudaSuccess (2 vs. 0) out of memory
嘗試減小batch大小，問題解決，顯卡顯存過小，無法使用較大batch
5.使用solverstate繼續訓練，在訓練的時候加入-snapshot=snapshot/mobilenet_iter_12588.solverstate
參考鏈接：https://blog.csdn.net/baidu_32173921/article/details/72470019
6.學習驗證集和測試集的區別
7.交叉驗證法，BN層的作用
8.保存訓練日誌 GLOG_logtostderr=0 GLOG_log_dir='xxx/xxx/xxx/'
參考鏈接：https://blog.csdn.net/xunan003/article/details/73017436
