---
title: SSD_MobileNetV1-PyTorch-模型库-ModelZoo-昇腾社区
description: 生态贡献模型
keywords: SSD,MobileNetV,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述
url: https://www.hiascend.com/software/modelzoo/models/detail/b3f5e17637bd4bc58befc4b72632c2ad
section: (其他)
---

# SSD_MobileNetV1-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/b3f5e17637bd4bc58befc4b72632c2ad
描述: 生态贡献模型
关键词: SSD,MobileNetV,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述

ModelZoo主页

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流

模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)

SSD_MobileNetV1-PyTorch

## SSD_MobileNetV1-PyTorch

视觉检测与跟踪PyTorch训练188次浏览2026/01/19更新

查看模型源码

SSD_MobileNetV1-PyTorch

查看模型源码

...

# 概述

## 简述

MobileNetV1是基于深度级可分离卷积构建的网络。 MobileNetV1将标准卷积拆分为了两个操作：深度卷积和逐点卷积 。
SSD是一种one-stage的目标检测框架。SSD_MobileNetV1使用MobileNetV1提取有效特征，之后SSD通过得到的特征图的信息进行检测。

- 参考实现：

```
url=https://github.com/qfgaohao/pytorch-ssd
commit_id=f61ab424d09bf3d4bb3925693579ac0a92541b0d
```
- 适配昇腾 AI 处理器的实现：

```
url=https://gitee.com/ascend/ModelZoo-PyTorch.git
code_path=PyTorch/contrib/cv/detection
```

# 准备训练环境

## 准备环境

- 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

表 1版本支持表

| Torch_Version | 三方库依赖版本 |
| --- | ---|
| PyTorch 1.5 | torchvision==0.2.2.post3 |
| PyTorch 1.8 | torchvision==0.9.1 |
- 环境准备指导。

请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。
- 安装依赖。

在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。

```
pip install -r 1.5_requirements.txt  # PyTorch1.5版本

pip install -r 1.8_requirements.txt  # PyTorch1.8版本
```

说明：只需执行一条对应的PyTorch版本依赖安装命令。

## 准备数据集

1. 获取数据集。

用户自行获取原始数据集，可选用的开源数据集包括VOCdevkit等，将数据集上传到服务器任意路径下并解压。

以VOCdevkit数据集为例，数据集目录结构参考如下所示。

```
|——VOCdevkit
     |——VOC2007（VOC2012）
         |——Annotations
         |——ImageSets
         |——JPEGImages
         |——SegmentationClass
         |——SegmentationObject
     |——test
         |——VOC2007
             |——Annotations
             |——ImageSets
             |——JPEGImages
             |——SegmentationClass
             |——SegmentationObject
```

说明：该数据集的训练过程脚本只作为一种参考示例。

## 获取预训练模型

请用户在源码包根目录下新建"models/"文件夹，下载所需的预训练模型mobilenet_v1_with_relu_69_5.pth，并将预训练模型放置在"models/"文件夹下。

# 开始训练

## 训练模型

1. 进入解压后的源码包根目录。

```
cd /${模型文件夹名称} 
```
2. 运行训练脚本。

该模型支持单机单卡训练和单机8卡训练。

- 单机单卡训练

启动单卡训练。

```
bash ./test/train_full_1p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 单卡精度

bash ./test/train_performance_1p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 单卡性能
```
- 单机8卡训练

启动8卡训练。

```
bash ./test/train_full_8p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 8卡精度

bash ./test/train_performance_8p.sh --data_path=/data/xxx/ --validation_data_path=real_validation_path  # 8卡性能
```
- 单机8卡评测

启动8卡评测。

```
bash ./test/train_eval.sh --data_path=/data/xx/ --pth_path=real_pre_train_model_path  
```

说明：评测脚本的--data_path参数填写验证集路径，需写到验证集一级目录。

--data_path参数填写数据集路径，需写到数据集的一级目录；

--validation_data_path参数填写测试集路径，需写到数据集的一级目录；

--pth_path参数填写训练过程中生成的权重文件路径（默认存储在"models/"文件夹下）。

模型训练脚本参数说明如下。

```
公共参数：
--datasets                          //数据集路径
--addr                              //主机地址     
--num_epochs                        //重复训练次数
--batch_size                        //训练批次大小
--lr                                //初始学习率
--momentum                          //动量，默认：0.9
--weight_decay                      //权重衰减，默认：0.0005
--amp                               //是否使用混合精度
--opt_level                         //混合精度类型
```

训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

# 训练结果展示

表 2训练结果展示表

| NAME | ACC@1 | FPS | Epochs | AMP_Type | Torch_Version |
| --- | --- | --- | --- | --- | ---|
| 1p-NPU | 0.67807 | 346 | 1 | O1 | 1.8 |
| 8p-NPU | 0.6849 | 2657 | 240 | O2 | 1.8 |

# 版本说明

## 变更

2023.03.01：更新readme，重新发布。

## FAQ

无。

# 公网地址说明

代码涉及公网地址参考 public_address_statement.md

| 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 |
| --- | --- | --- | --- | --- | ---|

暂无数据

使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)