SSD-tensorflow-2 evaluation

測試就是用voc2007的test set來測試已經訓練好的checkpoint的mAP，github上提供了三個已經訓練好的model的checkpoint

checkpoint 里面已有的300_vgg_ckpt這個文件很有可能就是下圖圈住的模型，因為這兩個文件的大小是一模一樣的

需要做的准備有：
1. 下載voc2007的數據集，然后將test set轉化成tfrecord（在轉化時，源碼只使用了annotations和jpegimages兩個文件夾的內容來制作tfrecords）
2. 下載checkpoint，如voc2007和voc2012訓練集訓練的checkpoint（這個要到github上SSD的主頁去下載，但是好像被牆了，不下載其實也沒關系，因為前面自帶的有一個checkpoint是可以用的）

下載好的voc2007文件test set 結構是這樣的：

調用tf_convert_data.py將test set轉化成tfrecoeds，（注意：這里直接運行會碰到無法讀取圖片，UTF-8無法decode的Erro，解決辦法是打開SSD工程—>datasets—>pascalvoc_to_tfrecords.py 。。。然后更改文件的83行讀取方式為’rb’）

DATASET_DIR=./VOC2007/  　　#下載的voc數據集總文件夾
OUTPUT_DIR=./tfrecords　　　 #用來放生成的tfrecord文件的文件夾
python tf_convert_data.py \
    --dataset_name=pascalvoc \　　　　#必須是pascalvoc，代碼里面默認的
    --dataset_dir=${DATASET_DIR} \
    --output_name=voc_2007_train \　　#必須是這個格式的，例如：voc_2012_test
    --output_dir=${OUTPUT_DIR}

生成測試集tfrecord后，調用eval_ssd_network.py使用剛剛生成好的tfrecords來測試checkpoint的准確率：

DATASET_DIR=/home/wu/voc2007_test_tfrecords/　　#保存tfrecords的路徑
EVAL_DIR=/home/wu/ssd_eval_log/   #是自己設置用來保存測試結果的路徑（生成結果后，在該路徑下運行tensorboard可以查看可視化的結果）
CHECKPOINT_PATH=/home/wu/Downloads/SSD-Tensorflow-master/checkpoints/VGG_VOC0712_SSD_300x300_iter_120000.ckpt　　是下載的checkpoint的路徑（如果未下載可以使用SSD工程本來自帶的checkpoint）
python3 ./eval_ssd_network.py \
    --eval_dir=${EVAL_DIR} \
    --dataset_dir=${DATASET_DIR} \
    --dataset_name=pascalvoc_2007 \　　#或者pascalvoc_2012,代碼里面有默認的幾個選項
    --dataset_split_name=test \　　　　#必須是test
    --model_name=ssd_300_vgg \
    --checkpoint_path=${CHECKPOINT_PATH} \
    --batch_size=1　　　　#可根據自己電腦設置

 補充：

SSD輸出mAP時出現TypeError: Can not convert a tuple into a Tensor or Operation？？？

解決方法為在eval_ssd_network.py文件中添加下面一個函數：

def flatten(x):
    result = []
    for el in x:
         if isinstance(el, tuple):
               result.extend(flatten(el))
         else:
               result.append(el)
    return result

然后修改兩行代碼：

將    eval_op=list(names_to_updates.values())
 
改為  eval_op=flatten(list(names_to_updates.values()))
 
注意：共有兩行！