在仅cpu模式下运行fast rcnn代码

在了解了fast rcnn 的工作原理之后，接下来的工作就是运行fast rcnn的代码，因为自己笔记本的配置优先，因此仅配置了cpu版本的caffe。

首先，需要在Github上下载Fast rcnn的代码

使用命令： git clone --recursive  https://github.com/rbgirshick/fast-rcnn.git

必须加上--recursive，递归下载所有相关链接中的内容。

可以放在自己的家目录下，下载结束以后的文件内容为：

这里，需要简单了解一下工程目录。

（1）caffe-fast-rcnn   caffe的框架目录

（2）data    用来存放预训练模型，比如ImageNet预训练的模型，第二个作用就是读取cache文件的缓存

（3）experiments   存放配置文件以及运行的log文件。这个目录下也有scripts用来下载ImageNet的模型、以及作者训练好的fast rcnn模型，以及相应的pascal-voc数据集，文件如下展示。

（4）lib    用来存放一些python的接口文件，比如dataset主要负责数据库的读取

（5）matlab    存放matlab与python的接口，可以实现用matlab实现检测。

（6）models    存放了三个网络的模型文件

小型网络：CaffeNet      大型网络VGG16     中型网络VGG_CNN_M_1024

（7）output   存放训练完成后的输出目录，默认在default文件夹下。

（8）tools   存放的是训练和测试的Python文件

简单介绍了下载的内容以后，我们来开始编译和代码运行部分。

1.下载一些基础软件，比如cpython，easydict，python-opencv

   使用如下命令：

        sudo apt-get install python-pip

       sudo pip install cython
       sudo apt-get install python-opencv
       sudo pip install easydict

2.安装atlas

这里需要额外说明下：参考caffe的官网： http://caffe.berkeleyvision.org/installation.html 

在CUDA and BLAS这一个子项明确指出了：

我们使用atlas，所以需要进行安装，另外，提前声明，在设置Makefile的时候，需要根据自己的实际情况，合理进行配置。

下载使用命令：

    sudo apt-get install libatlas-base-dev

3. 生成Cython模块

    进入fast-rcnn目录下的lib，直接make
   ~/fast-rcnn$ cd lib

    make

4. 编译caffe and pycaffe

    进入~/fast-rcnn/caffe-fast-rcnn文件下：

    cd caffe-fast-rcnn

   cp  Makefile.config.example Makefile.config

    此处需要进行根据自己的实际情况进行修改，合理配置。一般晚上的大牛很可能将自己已经修改过的Makefile.config文件直接放上来，下载了替换就可以使用。但是，这样做是有风险的，因为大牛是按照自己的电脑配置的。在我们这里可能行不通。所以，我们简单介绍一下如何进行配置

我修改的地方：

我是在仅cpu下运行代码的，所以：

     USE_CUDNN = 1，这个选项默认情况下时关闭的，保持不变

    WITH_PYTHON_LAYER = 1,这个在默认情况下也是关闭的，FastRCNN需要支持Python接口，因此需要打开

     USE_PKG_CONFIG = 1 记得打开，要不然会找不到一些库文件，PKG是linux用来管理库文件

    CPU_ONLY := 1  我的只用到了cpu，打开。

    另外就是前面老生常谈的问题了，就是BLAS的方式，默认为atlas，根据自己的实际情况进行修改。

    make -j8

    make pycaffe

    这里需要注意下，make -j8是开启8个线程进行同时编译，可以加快编译速度，如果自己的电脑配置比较低，可以老老实实的直接使用make进行编译。

编译过程中出现问题:

（1） Failed to load OpenCL runtime
F0105 03:58:33.773581  2904 syncedmem.hpp:27] Check failed: *ptr host allocation of size 255744000 failed

解决办法：

     sudo apt-get install ocl-icd-opencl-dev

（2）至于第二部分，google了半天，大部分解释都是内存和swap区不足的问题，因为本身电脑配置实在有限。就没有理会。可以采用小的网络进行测试，不会出现诸如此类的问题。

5. 运行demo

cd ~/fast-rcnn/tools

./demo.py --cpu --net caffenet

运行demo的时候，可以指定gpu或cpu的模式，也可以指定使用哪个网络进行测试。比较方便。

运行结果展示：