Test6 ssd1

ssd测试指标SSD测试指标随着计算机技术的发展，固态硬盘（Solid State Drive，简称SSD）作为一种新型存储设备，已经逐渐取代了传统的机械硬盘，成为了主流的存储媒体之一。

为了确保SSD的性能和可靠性，对其进行全面的测试是必不可少的。

本文将介绍SSD测试的一些重要指标，并对其进行详细解析。

一、读写速度读写速度是衡量SSD性能的重要指标之一。

它包括顺序读写速度和随机读写速度两个方面。

顺序读写速度是指在连续读写大块数据时的速度，而随机读写速度则是指在读写小块数据时的速度。

一般来说，SSD的顺序读写速度较高，可以达到几百MB/s甚至更高，而随机读写速度则较低，通常在几十MB/s左右。

读写速度的提升可以显著提升计算机的响应速度和数据传输效率。

二、IOPSIOPS（Input/Output operations Per Second）是指每秒钟可以进行的输入输出操作次数。

SSD的IOPS值越高，表示其处理能力越强，可以更快地完成数据读写操作。

一般来说，SSD的IOPS值在数万到数十万之间。

高IOPS值可以提升SSD的随机读写性能，对于那些需要频繁进行随机读写操作的应用场景非常重要，如数据库、虚拟化环境等。

三、坏块率坏块率是指SSD中出现的坏块数量与总容量之比。

由于SSD是通过电子存储数据，而不是通过机械方式，所以其寿命相对机械硬盘更长。

但是，随着使用时间的增加，SSD中可能会出现坏块，导致数据无法读取或写入。

因此，坏块率是衡量SSD可靠性的重要指标之一。

一般来说，SSD的坏块率应该尽可能低，通常在千分之几到百分之几之间。

四、数据安全性数据安全性是指SSD在数据传输和存储过程中，是否能够保证数据的完整性和安全性。

对于企业和个人用户来说，数据的安全性非常重要。

SSD通常采用错误检测和纠正码（Error Correction Code，简称ECC）技术来保证数据的完整性，同时还可以采用加密技术来保护数据的安全。

ssd目标检测环境搭建与训练嘿，朋友们，今天咱们来聊聊一个特别有意思的话题，SSD目标检测的环境搭建和训练。

听到“目标检测”，是不是觉得像是侦探小说里的情节？没错，咱们今天就像侦探一样，来抓捕那些目标，哈哈！好，话不多说，咱们直接上干货。

你得知道，搭建环境就像盖房子，基础打好了，房子才能稳当。

你得先准备好你的电脑，推荐使用个性能稍微强点的，因为咱们的目标检测可是需要点马力的哦。

别担心，过不了多久，你就能看到它的威力。

要安装的第一个东西就是Python。

哎呀，听上去好像很难，其实就是个大白话，下载个安装包，双击安装就行，简单得很。

然后呢，咱们还得装点工具，像TensorFlow、Keras这些，都是咱们的好帮手。

你只要在命令行里输入几条指令，咱们的工具就准备好了，轻松愉快。

环境搭建完成，咱们就得准备数据。

没错，数据就像侦探故事里的线索，缺了可不行。

目标检测需要的是什么？图像！你可以自己拍，也可以网上找，随便来点儿，只要能标注出来就行。

标注就是给图像里的目标打个标签，比如说“猫”、“狗”，或者是“汽车”。

你知道的，给每个目标贴上标签，才能让模型知道你想要它学什么。

真是个细致活儿，做得好不如说得好，咱们得慢慢来。

准备好数据，咱们就可以开始训练了。

训练过程就像是教小朋友学走路，一开始它可能摔倒好几次，嘿，但没关系，咱们得有耐心。

你得让模型看看你给的数据，告诉它哪里是目标，哪里不是。

训练的过程可能会花点时间，别心急，慢慢等着结果就好。

就像看一部悬疑电影，越往后越紧张，最后揭晓的那一刻，简直太激动了。

训练出来的模型可能不太聪明，这个时候别灰心。

就像有些学生考试没考好，咱们可以继续调整参数，给它更多的指导。

可以试试不同的学习率、批大小，这些参数就像调味料，加多加少都能影响最终的味道，哈哈，听起来是不是很有趣？然后，一遍遍训练，反复尝试，终于能看到它准确识别出目标的那一刻，哇，简直太爽了！训练完之后，咱们得测试一下。

SSDReporter用法简介SSDReporter是一款Mac应用程序，用于监测和报告固态硬盘(SSD)的健康状况和寿命。

本文将介绍SSDReporter的用法以及如何使用它来确保固态硬盘的可靠性和稳定性。

下载和安装1.打开App Store，并搜索SSDReporter。

2.点击获取按钮，等待应用程序下载和安装完成。

启动和设置1.在Launchpad中找到SSDReporter图标，并点击打开应用。

2.首次启动应用时，会自动检测并显示已连接的固态硬盘。

3.点击“Preferences”按钮打开设置界面。

监测SSD健康状态实时监测1.在主界面上，SSDReporter会显示已连接的固态硬盘的健康状态。

2.可以根据颜色来判断健康状况：绿色表示正常，黄色表示警告，红色表示严重问题。

3.监测过程中，SSDReporter会实时更新状态和报告任何问题。

定时监测1.在设置界面中，可以设置监测频率。

默认情况下，SSDReporter每隔一小时就会自动检测一次。

2.可以选择启用“SMART Status”和“Temperature”选项，以监测SMART状态和温度。

3.通过定时监测，可以及时发现和解决潜在的问题，保证SSD的可靠性和稳定性。

报告和警告1.当SSD出现警告或问题时，SSDReporter会在菜单栏中显示一个警告图标。

2.点击警告图标，可以查看详细的报告信息，包括问题的类型和严重程度。

3.根据报告，可以采取相应的措施，如备份重要数据、联系厂商或更换硬盘。

健康预测和生命剩余度1.SSDReporter通过分析固态硬盘的寿命参数来预测硬盘的寿命剩余度。

2.在应用界面上，可以看到硬盘的“Life Remaining”指标，表示硬盘剩余的寿命百分比。

3.根据“Life Remaining”指标，可以根据需要采取措施，如优化使用方式或及时更换硬盘。

邮件和通知1.在设置界面中，可以配置SSDReporter发送邮件和通知以报告警告和问题。

ssd硬盘测试标准SSD（Solid State Drive）是指使用非易失性存储器来保存数据的一种存储设备。

相比传统的机械硬盘，SSD具有更快的读写速度、更小的体积和更低的能耗。

由于其优势，SSD正逐渐替代传统机械硬盘成为主流存储设备。

而一个好的SSD硬盘测试标准对于确保其性能的稳定以及质量的可靠非常重要。

首先，SSD的测试需要包括性能测试和稳定性测试两个方面。

性能测试主要针对SSD的读写速度、数据传输速率等指标进行评估，而稳定性测试则主要关注SSD在长时间使用过程中的稳定性、可靠性等指标。

在性能测试方面，可以采用以下标准进行评估：1.顺序读写速度：测试SSD在顺序读写操作下的最大传输速度，通常是4KB、64KB和128KB等多个块大小进行测试。

2.随机读写速度：测试SSD在随机读写操作下的最大传输速度，同样也需要测试不同块大小。

3. IOPS（每秒输入/输出操作数）：测试SSD每秒能够完成的输入输出操作数，通常分为随机读写和顺序读写两个指标。

4.延迟：测试SSD响应请求的延迟时间，通常分为读取延迟和写入延迟。

在稳定性测试方面，主要包括以下内容：1.长时间连续写入测试：测试SSD在连续高负载写入下的稳定性，通常测试时间应该超过24小时。

2.数据完整性测试：测试SSD在断电等异常情况下，是否能够保证数据的完整性，通常包括数据校验和纠错机制的测试。

3.长时间连续读取测试：测试SSD在连续高负载读取下的稳定性，同样也需要测试时间超过24小时。

4.温度测试：测试SSD在高温和低温环境下的性能和稳定性表现，通常需要在极端温度下进行测试。

除了以上的性能和稳定性测试，还应该对SSD的功耗、噪音和可靠性进行评估。

功耗测试可以测试SSD在不同读写负载下的功耗水平，以及待机状态下的功耗。

噪音测试可以测试SSD在读写操作时产生的噪音水平。

可靠性测试可以测试SSD在特定使用环境下的可靠性，例如温湿度、震动等方面的测试。

ssd目标检测算法模型大小-回复SSD目标检测算法模型大小是指用于目标检测的Single Shot MultiBox Detection（SSD）算法模型的文件大小。

在计算机视觉领域，目标检测是一项重要的任务，旨在通过计算机算法在图像或视频中准确地识别和定位物体。

SSD算法模型是一种非常流行和高效的目标检测算法，具有实时性和准确性的优点，被广泛应用于图像识别、智能监控和无人驾驶等领域。

一、SSD目标检测算法简介SSD算法是由魔镜奇技术（Mirror Technologies）的创始人刘在强博士等人于2016年提出的一种基于深度学习的目标检测算法。

与之前的目标检测算法相比，SSD算法通过引入一种称为“默认框”（default box）的概念，不仅能够对不同尺度的目标进行检测，还能够检测出不同长宽比例的目标，大大提高了检测的准确性和效率。

二、SSD目标检测算法模型的构成SSD算法模型由两个核心组件构成：卷积神经网络（Convolutional Neural Network，CNN）和多尺度特征图（Feature Pyramid）。

1. CNN：卷积神经网络是深度学习的重要组成部分，能够自动从原始图像中提取特征并进行学习。

在SSD算法中，常用的CNN模型有VGGNet、ResNet等。

这些模型经过大规模的深度学习训练，能够对图像进行高层次的语义理解和特征提取。

2. 特征图：SSD算法将CNN网络的中间层输出作为多尺度特征图。

不同层次的特征图具有不同的感受野（receptive field），即对输入图像的不同大小的目标有不同的感知能力。

SSD算法通过使用这些特征图来检测不同尺度和长宽比例的目标。

三、SSD目标检测算法模型大小的影响因素SSD目标检测算法模型的大小受到多个因素的影响，主要包括以下几个方面：1. CNN模型的选择：不同的CNN模型在设计和参数量上有所不同，因此模型的选择会直接影响算法模型的大小。

⽬标检测⽹络SSD详解（三）SSD⽬标检测⽹络 使⽤SSD检测⽹络⼀段时间了，研究过代码，也踩过坑，算是有能⼒来总结下SSD⽬标检测⽹络了。

1. SSD300_Vgg16 最基础的SSD⽹络是以Vgg16作为backbone, 输⼊图⽚尺⼨为300x300，这⾥以其为⽰例，详细剖析下SSD检测⽹络。

SSD(Single Shot MultiBox Detector)检测⽹络可概括为三个特征：one-stage检测器，多个尺度的特征图检测(MultiBox)，⼤量的先验框(Prior Boxes)。

相⽐于YoLo和Faster-RCNN，在准确度和速度上进⾏了折衷。

对于SSD⽹络的理解主要在于三部分，⼀是对模型整体结构的理解，⼆是对于正负样本分配的理解(prior boxes 和gt boxes的匹配策略)，三是对于损失函数Multibox_loss函数的理解1.1 SSD模型结构 SSD模型结构主要包括三部分: VGG-Base, Extra-Layer和Pred-Layer。

SSD300的整体⽹络结构如下图所⽰，在VGG16基础上加⼊了四个Extra_layer。

输⼊300*300图⽚，依次经过VGG-base和Extra_layer⽹络层进⾏卷积特征提取，取VGG-16的两个卷积层输出Feature1和Feature2，以及四个Extra_layer输出Feature3，Feature4, Feature5, Feature6，将这六个尺度特征图分别送⼊class_predictors和box_predictors预测类别和坐标，将所有尺度预测值进⾏合并。

(注意VGG_Base中红⾊圈主的部分，是SSD对原始VGG的改变) VGG-Base作为基础架构⽤来提取图像的feature；Extra-layers对VGG的feature做进⼀步处理，增加模型对图像的感受野，使Pred-Layer得到的特征图承载更多抽象信息。

基于SSD与YOLOv5的小目标检测算法分析发布时间：2023-01-16T06:46:40.391Z 来源：《中国科技信息》2022年18期作者：周文苟艳陈郎郎施天袁子粟[导读] SSD是单阶段的目标检测算法，通过卷积神经网络进行特征提取，取不同的特征层进行检测输出，所以SSD是一种多尺度的检测方法周文苟艳陈郎郎施天袁子粟南京财经大学信息工程学院江苏南京 210023摘要: SSD是单阶段的目标检测算法，通过卷积神经网络进行特征提取，取不同的特征层进行检测输出，所以SSD是一种多尺度的检测方法。

在需要检测的特征层，直接使用一个3*3卷积，进行通道的变换。

SSD采用了anchor的策略，预设不同长宽比例的anchor，每一个输出特征层基于anchor预测多个检测框（4或者6）。

采用了多尺度检测方法，在浅层用于检测小目标。

深层用于检测大目标。

YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。

我们进行SSD与YOLOv5的算法实验，对实验进行分析获取小目标算法较好的改进思路。

关键词: SSD;YOLOv5;目标检测算法1 引言SSD与YOLOv5算法均为目标检测算法中的一阶段算法，小目标检测是近年来的计算机视觉中的难点和痛点，因为小目标相比于大目标在样本中不容易发现，分辨率低、特征少、样本不均衡等问题。

近年来，许多研究者基于现有的目标检测算法进行改进应用于小目标检测，为了更加有效地改进小目标检测的算法和现实应用的需求，本文从一阶段目标检测算法中选择了YOLOv5与SSD进行实验，对实验结果和过程进行分析，得出改进小目标检测算法的建议。

研究主题旨在通过实验对两种模型进行评估，通过实验不仅处理两种模型的评价，小组进行讨论和总结从中来寻找到小目标检测算法的改进策略。

2 数据集介绍本实验基于VOC和COCO数据集上进行。

2.1 VOCPascal VOC challenge是一个非常流行的数据集，用于构建和评估用于图像分类、对象检测和分割的算法。

18_Linux固态硬盘读写性能测试脚本（fio）18_Linux 固态硬盘读写性能测试脚本（fio）18.1、配置⽂件{"para_ssd": {"ssd_cpu": {"cpu_enable": 0,"core_num": 3,"time_num": 1,"time_unit": "d"},"ssd_cycle": 3,"ssd_dd": {"dd_bs": "M","dd_init": 500,"dd_step": 50,"dd_fins": 500},"ssd_fio": {"fio_bs": 128,"fio_direct": 1,"fio_iodepth": 1,"fio_ioengine": "libaio","fio_runtime": 60,"fio_size": "500M"},"ssd_mem": {"mem_enable": 0,"mem_proportion": 0.95,"mem_total": 1840},"ssd_png": {"display_interval": 20,"add_yrange": 50,"set_ytics": 20},"ssd_mounted": "/opt/blackbox/data","ssd_temp": "25C","ssd_type": "/dev/nvme0n1"}}18.2、测试脚本#!/bin/bashfunction ssd_function_template(){{fio -ioengine=${fio_ioengine} -bs=$1KB -direct=${fio_direct} -thread -rw=$2 -filename=${ssd_type} -name="BS-$1KB-$2-test" -iodepth=${fio_iodepth} -runtime=${fio_runtime} -size=${fio_size} -group_reporting} |tee /tmp/ssd_$2.loggrep $3 /tmp/ssd_$2.log |grep runt >> ${dir_path}/ssd_$2_$1.log}function ssd_function(){ssd_function_template $1 "read" "read"ssd_function_template $1 "randread" "read"ssd_function_template $1 "write" "write"ssd_function_template $1 "randwrite" "write"}function result_ssd_template(){local ssd_log=$1if [ -f "${ssd_log}" ]thensed -i 's/=/,/g' ${ssd_log}sed -i 's/KB\/s/,KB\/s/' ${ssd_log}local log_bw=/tmp/bw_$2.loglocal bw_sum=0local bw_avg=0{awk -F ',' '{print $4}' ${ssd_log} |awk -F '.' '{print $1}'} > ${log_bw}local count_line=$(wc -l ${log_bw} |awk '{print $1}')while read linedolet bw_sum=bw_sum+$linedone < ${log_bw}let bw_avg=$bw_sum/$count_linelocal log_iops=/tmp/iops_$2.loglocal iops_sum=0local iops_avg=0{awk -F ',' '{print $7}' ${ssd_log}} > ${log_iops}local count_line=$(wc -l ${log_iops} |awk '{print $1}')while read line1dolet iops_sum=iops_sum+$line1done < ${log_iops}let iops_avg=$iops_sum/$count_lineecho "$1,bw_avg,$bw_avg KB/S,iops_avg,$iops_avg"fi}function result_ssd(){{result_ssd_template "${dir_path}/ssd_read_$1.log" "read"result_ssd_template "${dir_path}/ssd_randread_$1.log" "randread"result_ssd_template "${dir_path}/ssd_write_$1.log" "write"result_ssd_template "${dir_path}/ssd_randwrite_$1.log" "randwrite"echo} |tee -a ${dir_path}/ssd_result.logcat ${dir_path}/ssd_result.log >> ${source_path}/log/ssd_result.log}function ssd_size_setting(){if [ "${mem_enable}" -eq 1 ]thenlocal bigfile=${ssd_path}/bigfile[ -f "${bigfile}" ] && rm ${bigfile}local mem_total=$(jq -r '.para_ssd.ssd_mem.mem_total' config.json)local mem_threshold=$(jq -r '.para_ssd.ssd_mem.mem_proportion' config.json) local mem_actual_per=$(df /dev/nvme0n1 |awk '{print $5}'|tail -1)local mem_actual=0.$(echo "$mem_actual_per" |awk -F "%" '{print $1}')local mem_compare=$(echo "${mem_actual} < ${mem_threshold}" |bc)if [ "${mem_compare}" -eq 1 ]thenlocal mem_diff=$(echo "${mem_threshold} - ${mem_actual}" |bc)local mem_diff_size=$(echo "${mem_total} * ${mem_diff}" |bc)fallocate -l ${mem_diff_size}G ${ssd_path}/bigfilefifimem_actual_use=$(df /dev/nvme0n1 |awk '{print $5}'|tail -1)}function ssd_depend_package(){which bc > /dev/nullif [ "$?" -ne 0 ]thenlocal platform=$(uname -m)if [ "${platform}" == "armv7l" ]thendpkg -i ${source_path}/lib/deb_package/bb_bc/bc_1.06.95-9build1_armhf.deb fifi}function ssd_config_check(){# ssd type and ssd mount path detectionif [ -b "${ssd_type}" ]thenlocal mounted_path=$(df -h |grep "${ssd_type}" |awk '{print $6}')if [ -d "${mounted_path}" ]thenumount -l ${mounted_path}fielseprintf "${source_path}/config.json \"para_ssd.ssd_type\" error or not exist\n"exit 1fi}function ssd_cpu_stress(){# cpu N core stressif [ "${cpu_enable}" -eq 1 ]thenlocal cpu_time_num=$(jq -r ".para_ssd.ssd_cpu.time_num" ${source_path}/config.json) local cpu_time_unit=$(jq -r ".para_ssd.ssd_cpu.time_unit" ${source_path}/config.json) stress-ng -c ${cpu_num} -t ${cpu_time_num}${cpu_time_unit}fi}function ssd_cpu_stress_ctrlc(){local pid_stress=$(pgrep stress-ng)local pid_num=$(echo "${pid_stress}" |wc -l)if [ "${pid_num}" -gt 0 ]thenlocal platform=$(uname -m)if [ "${platform}" == "armv7l" ]thenfor i in $(echo "$pid_stress")dokill -9 $idoneelif [ "${platform}" == "aarch64" ]thensudo killall stress-ng &> ${c_d_null}fifiprintf "$$\n" |xargs kill -9}function ssd_test_condition(){cat <<-eof[$(date "+%T")] platform : $(uname -m)[$(date "+%T")] ssd type : ${ssd_type}[$(date "+%T")] cpu enable : ${cpu_enable}[$(date "+%T")] cpu num : ${cpu_num}00%[$(date "+%T")] mem enable : ${mem_enable}[$(date "+%T")] mem use : ${mem_actual_use}[$(date "+%T")] fio bs : ${fio_bs}KB[$(date "+%T")] fio direct : ${fio_direct}[$(date "+%T")] fio iodepth : ${fio_iodepth}[$(date "+%T")] fio ioengine: ${fio_ioengine}[$(date "+%T")] fio runtime : ${fio_runtime}[$(date "+%T")] fio size : ${fio_size}[$(date "+%T")] test temp : ${ssd_temp}eofsleep 2}function ssd_png_set(){which gnuplot > /dev/nullif [ "$?" -eq 0 ]thenecho "set terminal png size 1280,720set output \"${dir_path}/ssd_speed_fio.png\"set border lc rgb \"orange\"set multiplot layout 1,2set grid x,y lc rgb \"orange\"set datafile sep ','set key box reverseset xlabel \"${fio_bs}KB\" font \",15\"set xrange [-1:$ssd_cycle]set ytics $ssd_png_yticsset origin 0,0set title \"FIO Sequential \($ssd_type\)\n\(Temp: $ssd_temp; CPU: $cpu_enable-$cpu_num; Disk-Use: $mem_actual_use\)\" font \",16\" set ylabel \"KB/s\" font \",15\"plot \"$dir_path/ssd_read_$1.log\" u 4 smooth csplines w l lc 1 lw 2 t \"Read\",\\"$dir_path/ssd_write_$1.log\" u 4 smooth csplines w l lc 6 lw 2 t \"Write\"set origin 0.5,0set title \"FIO Random \($ssd_type\)\n\(Temp: $ssd_temp; CPU: $cpu_enable-$cpu_num; Disk-Use: $mem_actual_use\)\" font \",16\" set ylabel \"IOps\" font \",15\"plot \"$dir_path/ssd_randread_$1.log\" u 7 smooth csplines w l lc 1 lw 2 t \"Read\",\\"$dir_path/ssd_randwrite_$1.log\" u 7 smooth csplines w l lc 6 lw 2 t \"Write\" " |gnuplotfi}function ssd_stress_excute(){for ((i=1;i<=${ssd_cycle};i++))dossd_function ${fio_bs} && echodoneresult_ssd ${fio_bs}ssd_png_set ${fio_bs}}function main(){local source_path=$(pwd)local c_d_null=/dev/nulllocal c_d_zero=/dev/zerolocal cpu_enable=$(jq -r ".para_ssd.ssd_cpu.cpu_enable" ${source_path}/config.json)local cpu_num=$(jq -r ".para_ssd.ssd_cpu.core_num" ${source_path}/config.json)local fio_bs=$(jq -r ".para_ssd.ssd_fio.fio_bs" ${source_path}/config.json)local fio_direct=$(jq -r ".para_ssd.ssd_fio.fio_direct" ${source_path}/config.json)local fio_iodepth=$(jq -r ".para_ssd.ssd_fio.fio_iodepth" ${source_path}/config.json)local fio_ioengine=$(jq -r ".para_ssd.ssd_fio.fio_ioengine" ${source_path}/config.json)local fio_runtime=$(jq -r ".para_ssd.ssd_fio.fio_runtime" ${source_path}/config.json)local fio_size=$(jq -r ".para_ssd.ssd_fio.fio_size" ${source_path}/config.json)local mem_enable=$(jq -r ".para_ssd.ssd_mem.mem_enable" ${source_path}/config.json)local ssd_cycle=$(jq -r ".para_ssd.ssd_cycle" ${source_path}/config.json)local ssd_path=$(jq -r ".para_ssd.ssd_mounted" ${source_path}/config.json)local ssd_temp=$(jq -r ".para_ssd.ssd_temp" ${source_path}/config.json)local ssd_type=$(jq -r ".para_ssd.ssd_type" ${source_path}/config.json)local dir_date=$(date "+%Y-%m-%d-%H-%M-%S")local dir_path=${source_path}/log/ssd_speed_${fio_bs}kb_cpu_${cpu_enable}_${cpu_num}00/${dir_date} trap "ssd_cpu_stress_ctrlc" HUP INT QUITtrap "ssd_cpu_stress_ctrlc" EXIT[ ! -d ${dir_path} ] && mkdir -p ${dir_path}ssd_config_checkssd_depend_packagessd_size_settingssd_test_conditionssd_cpu_stress &ssd_stress_excute}main。

目标检测系列——SSD（上）一、SSD原理本文记录一阶段目标检测模型SSD的学习笔记及代码复现过程。

首先个人感觉SSD和YOLO相比稍微简单一些，理论比较直白，不过实现起来依然比较繁琐。

本文大体以李沐老师的Gluon教学视频7-9为基础，在Anchors sampling和Training Targets两个点上加上了一些自己的挖掘。

根据李沐老师的说法，SSD的算法可以看做Faster-RCNN的一个简化，具体说来就是直接把RPN中那个负责Region Proposal的二分类Softmax扩展了一下，区分出背景的同时将前景细分成物体的类别，即扩展成了n+1分类，同时bbox regressor一步回归到位。

这样理论上就足够得到box和类别信息了。

不过为了提高准确性，SSD在此基础上又加上多尺度预测，具体来说就是将主干网络输出的特征通过downsampling Conv降低一半再预测cls和box，以此类推。

看到这里，一个必须要想清楚的问题是：尺寸较小的feature map负责提高大目标还是小目标的精确度？这个问题其实本质是对anchor概念的理解。

1.1 Anchors关于Anchors的概念，等到写Faster-RCNN时再详细记录。

这里先简单理解，就是在特征图的每个像素点上采样一组预定义尺寸和形状的先验框，然后希望这些所有尺度的先验框能够覆盖图像中所有可能的boundingbox位置。

当然，anchors的巧妙之处远不止这些。

比如anchor的引入使我们得以避开了编码boudingbox规则这一难题，见[1]。

Fig. 1. Anchors的尺寸随grid的尺寸成比例变化上图回答了1.1的问题。

每一组anchors都是以feature map中的像素为中心定义的，故anchors的尺寸和像素之间的距离，grid的尺寸成正比，即和feature map的尺寸成反比。

所以大的feature map负责检测小物体，小的feature map负责检测大物体。

ssd硬盘测试标准
目前，SSD硬盘测试标准主要有以下几种：
1.JEDEC固态硬盘测试标准：由固态硬盘产业协会（JEDEC Solid State Industries）制定，主要包括读写性能测试、耐久性测试、温度测试等多项测试项目，是业界公认的SSD硬盘测试标准之一。

2.SATA Express固态硬盘测试标准：由Serial ATA委员会（Serial ATA International Organization）制定，主要用于测试SATA Express接口的SSD硬盘，测试项目包括读写性能测试、耐久性测试等。

3.PCIe固态硬盘测试标准：由PCI-SIG（Peripheral Component Interconnect Special Interest Group）制定，主要用于测试PCIe接口的SSD硬盘，测试项目包括读写性能测试、耐久性测试等。

4.SPC-1固态硬盘测试标准：由固态硬盘性能委员会（Solid State Storage Initiative）制定，是专门用于测试固态硬盘性能的标准之一，主要测试SSD硬盘的IOPS、延迟、带宽等性能指标。

5.TRIM测试标准：由微软制定，用于测试操作系统对SSD硬盘的支持程度，测试结果可以反映SSD硬盘的性能表现和寿命情况。

这些测试标准都是为了评估SSD硬盘的性能、耐久性、稳定性等方面的表现，可以帮助用户选择适合自己的SSD硬盘产品。