ubuntu14.04 faster-rcnn GPU环境配置(2)

1. Anaconda的安装

1）下载anaconda:

https://www.continuum.io/downloads#Linux

下载后，在终端执行:

bash Anaconda2-4.3.1-Linux-x86_64.sh 

2）配置环境变量

1、在终端输入sudo gedit /etc/profile，打开profile文件
2、在文件末尾添加一行：

export PATH=/home/ituring/anaconda2/bin:$PATH

其中，将“/home/iturin/anaconda2/bin”替换为你实际的安装路径。保存。
使环境变量立即生效；

source /etc/profile

如果需要改回默认的python目录：

export PATH=/usr/bin:$PATH

3） 安装opencv2

重要：
上文在安装opencv时，也需要编译，花费大量时间，anconda可以直接用conda安装opencv2.4，安装方法如下:

$ conda install opencv
$ conda list opencv
  opencv                    2.4.10              np110py27_1  
$ python
>>import cv2

我试了，比上文手动编译会快很多。

2. 安装依赖包

1） leveldb等

sudo apt-get install -y libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler

记住，这里有个坑，不要直接用apt-get install安装libprotobuf-dev，因为faster-rcnn用的是protobuf 2.6.1，直接用apt-get install的protobuf 是最新的，一般是3.2.0。这会导致faster-rcnn的python接口编译失败，而且protobuf很难卸载。这里我之前踩过坑。protobuf需要单独安装。

2） 安装boost和atlas

sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libatlas-base-dev 

3）安装gflag，glog和lmdb

sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev

安装git(非必须依赖),但是方便下代码，相信每个程序员都需要git，：）

sudo apt-get install git

4） 安装protobuf

conda install -c anaconda protobuf=2.6.1 

或者也可以用pip安装

pip install protobuf == 2.6.1

5） 安装easydict

pip install easydict

至此，所有的依赖包都安装完成。

3. 编译caffe

1） 下载caffe代码

git clone https://github.com/BVLC/caffe.git ~/caffe

2） 修改Makefile

cp Makefile.config.example Makefile.config
sudo gedit Makefile.config

以下是修改部分，使用cudnn和python接口，没有使用matlab接口。其他都不需要修改。

将# USE_CUDNN := 1 修改成： USE_CUDNN
将# WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER := 1

然后就可以开始编译caffe和caffe python接口啦

3） 编译caffe

cd ~/caffe
make all -j8
make test -j8
make runtest -j8

如果中间没有出现任何错误，那caffe就编译成功了。

4） 编译caffe python接口

这里不需要再安装caffe/Python/requirements.txt的依赖库了，因为anaconda都已经包括了，anaconda就是这么强大。

make pycaffe -j8
make pytest -j8

5） 修改环境变量

sudo gedit ~/.bashrc

写入

export PYTHONPATH=~/caffe/python

使环境变量立刻生效：

source ~/.bashrc 

到这，caffe和caffe的python接口就安装成功了，试下在python下import caffe，如果没有报错就说明安装成功。

4. faster rcnn编译与运行

1）拉取faster rcnn代码

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

2）cd到lib目录，生成cython

cd py-faster-rcnn/lib
make -j8

3）修改Makefile.config文件

cd到faster-rcnn/caffe-fast-rcnn目录下

cp Makefile.config.example Makefile.config

Makefile.config的修改方式和caffe一样，把usecudnn的注释去掉，把with python的注释去掉，就ok了。

4）替换cudnn文件

1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.
3).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/layer里的，所有以cudnn开头的文件都替换成最新版的caffe里的相应的同名文件
3).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的，所有以cudnn开头的文件都替换成最新版的caffe里的相应的同名文件

5）编译pycaffe

make -j8 && make pycaffe

6）下载模型

cd到py-faster-rcnn/data/scripts，可以直接运行fetch_faster_rcnn_models.sh脚本下载，但是一般都不成功，另一种方法是复制其中的URL地址(http://www.cs.berkeley.edu/~rbg/faster-rcnn-data)，用迅雷下载。

下载后把faster_rcnn_models.tgz解压到py-faster-rcnn/data下。

7）运行demo

cd到py-faster-rcnn/tools

python demo.py

结果如下