MTCNN训练代码的相关问题

最近在整MTCNN相关的东西，于是从github大佬处clone了一份，无奈本人手残，跑起来处处是报错。帖子上的询问均是石沉大海，只有边搞边记录了，希望能坚持到跑通的那一天吧= =。

博文CSDN：https://blog.csdn.net/weixin_36474809/article/details/82752199
博文代码： https://github.com/AITTSMD/MTCNN-Tensorflow。

README

1. Download Wider Face Training part only from Official Website , unzip to replace WIDER_train and put it into prepare_data folder.
2. Download landmark training data from [here]((http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm ))，unzip and put them into prepare_data folder.
3. Run prepare_data/gen_12net_data.py to generate training data(Face Detection Part) for PNet.
4. Run gen_landmark_aug_12.py to generate training data(Face Landmark Detection Part) for PNet.
5. Run gen_imglist_pnet.py to merge two parts of training data.
6. Run gen_PNet_tfrecords.py to generate tfrecord for PNet.
7. After training PNet, run gen_hard_example to generate training data(Face Detection Part) for RNet.
8. Run gen_landmark_aug_24.py to generate training data(Face Landmark Detection Part) for RNet.
9. Run gen_imglist_rnet.py to merge two parts of training data.
10. Run gen_RNet_tfrecords.py to generate tfrecords for RNet.(you should run this script four times to generate tfrecords of neg,pos,part and landmark respectively)
11. After training RNet, run gen_hard_example to generate training data(Face Detection Part) for ONet.
12. Run gen_landmark_aug_48.py to generate training data(Face Landmark Detection Part) for ONet.
13. Run gen_imglist_onet.py to merge two parts of training data.

 

开始受苦

我们根据文章先去下有关数据集(官网就有，觉得慢就用迅雷之类的下，注意这里要下载的文件数量)，然后放到对应文件夹位置(prepare_data)。

有需要可以去下阉割版的：https://pan.baidu.com/s/1mf0hM5VqtpdMfTpf2VRELA  提取码：kuqw   (感谢网上大佬的资源)(不过我还是推荐下原版文件，虽然很大)

又或者(更新)：链接: https://pan.baidu.com/s/1LIYlK5sVx4qsK9tvEuJ4cw 提取码: 2yvx

在遇见具体的代码问题之前，有几个常规报错需要了解：

 

1.

这里是显卡的显存的问题，手动调整显卡的占用率：

import tensorflow as tf
gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.compat.v1.Session(config=tf.ConfigProto(gpu_options=gpu_options))

 

2.

遇到no module之类的问题，我们查找资料发现：

根据官方通讯ensorflow 2.x与1.x相比发生了重大变化。tf.contrib将从核心Tensor