FCN网络训练 SIFTFLOW数据集

论文全名：Fully Convolutional Networks for Semantic Segmentation

全卷积神经网络 FCN代码运行详解：

运行平台：

Ubuntu 14.04 + cudnn7

步骤1.代码准备：

下载新版caffe：   https://github.com/BVLC/caffe

下载fcn代码：      https://github.com/shelhamer/fcn.berkeleyvision.org

将下载后的压缩包解压 将解压后的代码丢进服务器

步骤2.编辑caffe和python接口：

cd进入caffe所在路径

以个人路径示例：/home/my/caffe-master/caffe-master 

在该目录下，执行

cp Makefile.config.example Makefile.config

vim Makefile.config(这句代码根据自己情况选择，如果需要修改相关设定，就使用这句，需要注意的是，将WITH_PYTHON_LAYER := 1前面的#去掉

如果使用cudnn，就把use cudann前面的#去掉

我这边安装的是openbla,所以我的设置为BLAS:=open）

make all  -j8  //8代表线程数量，可以加快编译速度

make test  -j8  //编译测试需要的文件
make runtest    //开始运行测试例子，这一句貌似有没有都行

以上结束后开始编译python接口

在下载的caffe源码包中，有个叫python的文件夹，cd进入这个文件夹

以我个人路径为例cd至 /home/wangkun/caffe-master/caffe-master/python

编译python:

make pycaffe #测试是否成功 cd caffe-folder/python python import caffe #如果上述命令未报错，说明成功 #添加caffe/python 到python path变量 vim ~/.bashrc #set the caffe PYTHONPATH export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

！如果是采用的Anaconda python，切记编译python接口在最后执行。

！如果是系统自带的python在make pycaffe可能出现python/caffe/_caffe.hpp:8:31: fatal error: numpy/arrayobject.h: No such file or directory
这是因为64位的python 库的存放路径问题。

查找arrayobject.h所在的目录：

sudo find / -name arrayobject.h

然后修改Makefile.config：

PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib64/python2.7/site-packages/numpy //这里修改成找到的路径

以上，编译结束，关于编译python，由于我这边服务器上使用的是Anaconda python，大家可以根据自己的实际情况进行python接口的编译

步骤3.数据文件下载

下载siftflow数据集：http://www.cs.unc.edu/~jtighe/Papers/ECCV10/siftflow/SiftFlowDataset.zip

并解压至 /fcn.berkeleyvision.org/data/ 下，并将文件夹名重命名为 sift-flow

步骤4.预训练模型下载：

下载VGG16的预训练模型并放在FCN源码文件夹中的ilsvrc-nets文件夹下

https://pan.baidu.com/s/1qYJeFfQ

以个人路径为例：/home/my/fcn.berkeleyvision.org-master/fcn.berkeleyvision.org-master/ilsvrc-nets

步骤5.为了避免运行程序时候出现no module named caffe

在代码中包含import caffe的py文件（solve.py）的第一行加入

import sys  
sys.path.append('/home/my/caffe-master/caffe-master/python')

其中， /home/my/caffe-master/caffe-master/python为你下载的caffe源码中python文件夹的路径

步骤6.cd进入fcn源码路径

以个人路径为例：/home/my/fcn.berkeleyvision.org-master/fcn.berkeleyvision.org-master

将其中所有的py文件，例如surgery.py等等，全部复制到siftflow-fcn32s文件夹中

步骤7.solver.prototxt文件修改

进入siftflow-fcn32s文件夹 打开solver.prototxt

其中snapshot:10000 表示训练10000次保存一次模型

snapshot_prefix:"/home/my/fcn.berkeleyvision.org-master/fcn.berkeleyvision.org-master/siftflow-fcn32s/train"

表示训练得到的模型，也就是model存放的路径

在此，我附上个人的solver.prototxt供大家参考

train_net: "trainval.prototxt"
test_net: "test.prototxt"
test_iter: 200
# make test net, but don't invoke it from the solver itself
test_interval: 999999999
display: 20
average_loss: 20
lr_policy: "fixed"
# lr for unnormalized softmax
base_lr: 1e-10
# high momentum
momentum: 0.99
# no gradient accumulation
iter_size: 1
max_iter: 300000
weight_decay: 0.0005
snapshot:10000
snapshot_prefix:"/home/my/fcn.berkeleyvision.org-master/fcn.berkeleyvision.org-master/siftflow-fcn32s/train"
test_initialization: false

步骤8.solve.py文件修改

在这里郑重声明一下：如果训练fcn32s的网络模型，

一定要修改solve.py

利用transplant的方式获取vgg16的网络权重；

具体操作为