前言
这是我在18年写的文章,那时候配置caffe-faster-rcnn造成很多困扰,怎么opencv配置出问题,怎么内核还出错…花了很长时间在解决这些问题,对于我这样的菜鸟十分的不友好。所以奉劝一句,
如果你是新手,出于对caffe或者faster rcnn的好奇点进来这篇文章,emmm,出门左拐 tensorflow,或者出门右拐 pytorch,那才是真香!!
环境
- 系统:Ubuntu16.04
- GPU:GTX 1080ti
- CUDA8.0
- OPENCV3.1
- Python2.7
搭建CUDA环境请参考CUDA配置一篇就够
安装依赖包
在终端输入以下命令。
正常这样就可以:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential
但有的系统缺少很多必要文件,可能需要下面这种:
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
sudo apt-get install libopencv-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev
配置环境变量
打开环境变量配置文件:
gedit ~/.bashrc
# 或者
vi ~/.bashrc
在该文件中的文末加入以下两行,并保存退出
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
激活
source ~/.bashrc
安装Opencv3.1.0
进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 opencv-3.1.0.zip。
解压到你要安装的位置,命令行进入已解压的文件夹 opencv-3.1.0 目录下,执行:
mkdir build # 创建编译的文件目录
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D
CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8 #编译
在执行 make -j8 命令编译到 92% 时可能会出现以下错误:
modules/cudalegacy/src/graphcuts.cpp:120:54: error:
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState, Npp8u* pDeviceMem);
这是由于opecv3.1与cuda8.0不兼容导致的。解决办法:
修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容,如图:
编译成功后安装
sudo make install
安装完成后通过查看 opencv 版本验证是否安装成功:
pkg-config --modversion opencv
问题汇总
- 提示缺少videoio.h, videodev.h,avformat.h等(出现sys/io.h问题可以不用管,或者touch一个出来就行)
sudo apt-get install libv4l-dev*
sudo ln -s /usr/include/libv4l1-videodev.h /usr/include/linux/videodev.h
sudo -i
mkdir /usr/include/ffmpeg
cd /usr/include/ffmpeg
ln -sf /usr/include/x86_64-linux-gnu/libavcodec/*.h ./
ln -sf /usr/include/x86_64-linux-gnu/libavformat/*.h ./
ln -sf /usr/include/x86_64-linux-gnu/libswscale/*.h ./
- ippicv问题(从web上下载)
复制ippicv_linux_20151201.tgz到/home/xxx/opencv-3.1.0/3rdparty/ippicv/downloads文件夹下的目录:linux-*
安装Caffe-Faster-RCNN
Caffe-Faster-RCNN的Github
如果在过程中有一些问题可以在Fast-RCNN的ISSUE中搜一下
在你要安装的路径下 clone :
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
进入 caffe-faster-rcnn目录 ,将 Makefile.config.example 文件复制一份并更名为 Makefile.config ,或者输入命令完成复制操作 :
sudo cp Makefile.config.example Makefile.config
复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件,而Makefile.config.example 只是caffe 给出的配置文件例子,不能用来编译 caffe。
修改 Makefile.config 文件:
sudo gedit Makefile.config
修改 Makefile.config 文件内容:
- 应用 cudnn
将
#USE_CUDNN := 1
修改成:
USE_CUDNN := 1
- 应用 opencv 版本
#OPENCV_VERSION := 3
修改为:
OPENCV_VERSION := 3
3.使用 python 接口
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1
4.修改 python 路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
- 修改 caffe-fast-rcnn 目录下的 Makefile 文件:
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为:
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
将:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
- 修改 /usr/local/cuda/include/host_config.h 文件 :
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc v ersions later than 4.9 are not supported!
搞定
由于我们要安装pycaffe,记得先安装数据科学的两个库numpy和sklearn.
sudo apt-get install python-numpy python-skimage
或者通过pip安装指定版本(python2.7)
sudo pip install numpy==1.11.1
sudo pip install scikit-image==0.9.3
sudo pip install scipy==1.2.1
sudo pip install matplotlib==1.5.3
开始编译,在 caffe 目录下执行,-j8取决于你当前系统的核数。
make clean
make all -j8
make pycaffe -j8
make test -j8
问题解决:
- 在make test的时候会提示,缺少test_smooth_L1_loss_layer
直接将该文件删除即可
rm ./src/caffe/test/test_smooth_L1_loss_layer.cpp
- libcudart加载不进来
此时可能会报错,发现如下问题,问题比较多,但都是一个性质的,解决一个其他都一样:
./build/tools/caffe: error while loading shared libraries: libcudart.so.8.0: cannot open shared object file: can not open shared object file: No such file or directory
该文件可以在usr/local/cuda-8.0/lib64/目录下找到,因此我们通过下面的命令将libcudart.so.8.0这个文件复制一份过去,记得要加sudo权限,否则可能无法复制
命令行输入:
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
最后
排除错误后运行sudo make runtest -j8进入如下界面,进行到最后不报错即安装成功
配置Python Caffe环境
可在代码中配置,或者全局配置。
全局配置
## ~/caffe-faster-rcnn:caffe-faster-rcnn所在文件夹
sudo echo export PYTHONPATH="~/caffe-faster-rcnn/python" >> ~/.bashrc
source ~/.bashrc
Python代码配置:查考py-faster-rcnn/tools/_init_paths.py (可直接使用该文件)