pysot单目标跟踪训练算法时，有时不能保存checkpoint_e20的原因：

在对pysot中的算法进行训练时，有时发现设定的epoch=20，但最后保存的权重只有epoch 1-19的，没有checkpoint_e20。自己在SiamCAR的issue中找到了解答：

 （没有保存checkpoint_e20.pth · Issue #83 · ohhhyeahhh/SiamCAR · GitHub）

具体的问题所在，如下：

我先总结一下，大概的原因在于：当实际的样本总数少于设定的理论总数时，按照理论值训练的每epoch的样本数量＞实际的样本数量，所以每次epoch迭代的样本数量多了，epoch不需要20个就能训练完，因此导致少了epoch20的权重！！！

这也是为什么在SiamBAN中的NUM_USE都没有设为 -1 的，避免出现此类问题 ！！

1.当设定的训练及数据集参数为：

epoch=20，batch_size=32，__C.DATASET.VIDEOS_PER_EPOCH = 800,000

__C.DATASET.VID.NUM_USE = 100,000，__C.DATASET.YOUTUBEBB.NUM_USE = -1，

__C.DATASET.COCO.NUM_USE = -1，__C.DATASET.DET.NUM_USE = -1

可以计算出dataset.py的：

train_loader 的相关参数：train_loader=500,000, batch_sampler=500,000, dataset=16,000,000

其中:

dataset = VIDEOS_PER_EPOCH * epoch， 

batch_sampler = dataset / batch_size =train_loader

再按照train.py中：

num_per_epoch = len(train_loader.dataset) // cfg.TRAIN.EPOCH // (cfg.TRAIN.BATCH_SIZE * world_size)， 

可得：num_per_epoch=25,000 （单卡训练，双卡再除以2即可，为12500）

 ps：关于参数的解释，b站up主有解释：

7-目标跟踪DaSiamRPN_哔哩哔哩_bilibili

2.加载数据集

接下来根据上述的参数，基于dataset.py加载数据集

（1）dataset.py中 class TrkDataset(Dataset)，加载数据集中的训练样本：

for name in cfg.DATASET.NAMES:
    subdata_cfg = getattr(cfg.DATASET, name)    
    sub_dataset = SubDataset(
            name,
            subdata_cfg.ROOT,
            subdata_cfg.ANNO,
            subdata_cfg.FRAME_RANGE,
            subdata_cfg.NUM_USE,
            start
        )
    start += sub_dataset.num
    self.num += sub_dataset.num_use

就在这里：是按照1.中的数据集参数来加载的：

__C.DATASET.VID.NUM_USE = 100,000，__C.DATASET.YOUTUBEBB.NUM_USE = -1，

__C.DATASET.COCO.NUM_USE = -1，__C.DATASET.DET.NUM_USE = -1

NUM_USE = 100,000表示加载该数据集的100,000个样本，若数量不够则重复加载

NUM_USE = -1 表示加载该数据集的全部样本

因此在这里加载的数据集样本总数为：

100,000（VID）+333,474（DET）+199,267（YT-BB）+117,266（COCO）= 750,007

（2）dataset.py中 class TrkDataset(Dataset)，计算训练样本总数：

self.num = videos_per_epoch if videos_per_epoch > 0 else self.num
self.num *= cfg.TRAIN.EPOCH  # 计算总数的理论值

line 215 中： return pick[:self.num]，返回的是理论样本总数

按理说实际训练的样本应该是 750,007 * 20 = 1500,0140，但是在这里计算需要训练的样本总数是按照理论的训练集样本总数 VIDEOS_PER_EPOCH = 800,000 来计算的，得到理论训练样本总数为 800,000 * 20 = 16,000,000 > 1500,0140

所以按照理论值训练的每epoch的样本数量＞实际的样本数量，所以每次epoch迭代的样本数量多了，epoch不需要20个就能训练完，因此导致少了epoch20的权重

VOT2018测试问题：

AssertionError: D:\3.Object tracking\pysot-master\tools\../testing_dataset\VOT2018\ants1/color/00000001.jpg

解决方法：将作者给定json文件里面的/color全部替换了，因为我的数据集里面的图片没有放在color文件夹里面

AssertionError: D:\3.Object tracking\pysot-master\tools\../testing_dataset\VOT2018\pedestrian1/00000001.jpg

解决方法：将数据集里面的pedestrian1用报错的名字重命名了一下就好了！可能是数据集的名字多了个空格之类的东西