Faster-RCNN环境搭配及运行教程

Faster-RCNN-TensorFlow-Python35

最近正在学习Faster-RCNN，环境历经一天时间终于成功安装，借此记录下整体安装过程

本教程是Windows 10 + Python35 + CUDA 10.0 + cudnn 7.4.1.5 + tensorflow-gpu 1.13.2环境的配置过程

所使用的软件包括

名称	版本
CUDA	10.0
CUDNN	7.4.1.5
Anaconda3	4.2.0
Pycharm	2019.3.5

整体过程中所需要的软件包我都放在了网盘之中，需要可自取（若失效，请留言）

软件安装包 提取码：iskr

软件安装

VS2019

Tip：若已安装VS2015且已安装C++组件可跳过VS的安装

Tip：若已安装VS2017建议卸载后安装

也可不卸载，先跳过这一步，之后如果出现问题可返回重做

打开安装包，最好不要更改安装路径，在选择组件时如下图所示

点击安装即可

CUDA 10.0

打开安装程序，如下图所示

选择自定义，然后下一步。

不做任何更改，下一步，直至安装完成。

cudnn 7.4

下载压缩包后解压，复制图中红框所有文件 注意路径

打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 路径，粘贴到本目录下，下图为复制完成之后的情形

Anaconda3-4.2.0

安装过程如图所示

选择 All Users，下一步

安装路径可以更改，也可不更改。

若更改路径请看如下介绍，不更改可跳过

---

/*由于选择的Anaconda3版本较低，所以不同于新版本的安装*/
/*
eg：我选择的路径是E:\Program Files\

首先选中此目录
然后复制Anaconda3到\后面	最终为E:\Program Files\Anaconda3
*/

---

选择路径之后下一步

勾选两个框，然后install，安装完成。

pycharm

默认下一步即可，也可参考pycharm详细安装的博客

环境搭建

第三方库安装

Tips：若显卡内存小于4G，最好使用tensorflow-cpu

首先创建并激活环境

    conda create -n tensorflow python=3.5
    activate tensorflow

以下参考这位博主的文章

pip加速

打开C:\Users\用户名

新建pip文件夹，打开新建pip.ini，右键选择记事本打开，输入以下代码

[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn

关闭并保存

在桌面新建requirements.txt文件，输入以下内容

scipy==1.2.1
numpy==1.17.0
Keras==2.1.5
matplotlib
opencv_python==4.1.2.30
tensorflow_gpu==1.13.2
tqdm==4.60.0
Pillow
h5py

在cmd激活tensorflow环境的情况下，输入如下指令

pip install -r C:\Users\ 用户名 \Desktop\requirements.txt

用户名更改位自己的即可

Tips 如果安装过程中出现404，则使用如下命令

pip install numpy==1.16.5
pip install --upgrade pip
pip install --upgrade setuptools
pip install --no-cache-dir --force-reinstall -Iv grpcio==1.36.1
pip install tensorflow_gpu==1.13.2

然后再依次pip install requirements.txt文件中的包

逐个安装比较麻烦，也可使用pip install -r C:\Users\ 用户名 \Desktop\requirements.txt尝试安装。

ps：我安装到这里心态快崩了，所以忍着痛一个一个安装，祈求成功，最终果然成功了啊φ(￣0￣)

源码运行

下载VOC2007数据集和vgg16网络模型

下载Faster-RCNN源码，此源码原址为https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3

数据集处理

如下图所示，选中三个压缩包，然后解压到当前文件夹，会形成蓝色框标记的VOCdevkit文件夹

然后将文件夹名更改为 VOCDevkit2007 并移动至Faster-RCNN中data目录下。

VGG16模型

解压 vgg_16_2016_08_28.tar.tar

将 vgg_16.ckpt 更名为 vgg16.ckpt

在Faster-RCNN的data目录下新建 imagenet_weights 文件夹，并将上面的 vgg16.ckpt 移动至此文件夹中

编译准备

进入Faster-RCNN/data/coco/PythonAPI目录下，执行

python setup.py build_ext --inplace

python setup.py build_ext install

然后进入Faster-RCNN/lib/utils目录下执行

python setup.py build_ext --inplace

运行

Run train.py