Faster-rcnn 运行环境配置

Faster-rcnn 运行环境配置

---

前言

本文主要记录下我在配置Faster-rcnn网络遇到的问题，欢迎大家交流指正。

---

一、下载源码

• https://github.com/jwyang/faster-rcnn.pytorch
• https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0

注意：推荐下载pytorch-1.0版本，后续可以避免很多bug。

使用git命令下载，需要选择分支。

$ git clone -b 分支名 网址.git 

二、配置环境

1.CUDA+pytorch

首先要确保你的主机或服务器有安装好CUDA和pytorch（这两个要互相对应）。
关于安装cuda环境配置，可以参考：
https://blog.csdn.net/wf19930209/article/details/81879514
https://zhuanlan.zhihu.com/p/79059379
我这里使用的是CUDA10.2+pytorch1.10.0+python3.6的环境。

2.创建数据文件夹

cd faster-rcnn.pytorch && mkdir data 
#在faster-rcnn.pytorch文件夹下创建data文件夹

---

3.下载数据

下载VOV2007标准数据集的相关数据。

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

执行下方命令解压缩数据到data/VOCdevkit。

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

注意！解压完成后将/data/VOCdevkit改名为/data/VOCdevkit2007，不然后面会出错。

---

4.下载预训练模型

目前github上vgg16、resnet101模型已无法下载。
我在别处仅找到vgg16的预训练模型，提供给大家下载。
链接: https://pan.baidu.com/s/1jisIecoYSXOBHz6Dj7aI9Q 提取码: xjge

在data文件夹下创建路径：/data/pretrained_model/
将下载好的预训练模型放入此处 /data/pretrained_model/

---

5.安装所需环境

1. 返回/faster-rcnn.pytorch目录下 pip install -r requirements.txt 安装时可能会遇到这个问题：

   powershell Building wheel for opencv-python (PEP 517) ... -
   会在这里一直运行，这是因为OpenCV 是一个非常繁重的库，需要花费较多时间。有的人可以成功安装，有的会安装失败。

   可以尝试以下命令，或单独直接安装opencv。

pip install --upgrade pip setuptools wheel
pip install --upgrade pip 

---

2. 编译CUDA依赖环境

cd lib
python setup.py build develop

编译时遇到错误：

1. error: invalid command 'develop'
2. _mask.pyx:258:78: Cannot assign type 'double' to 'siz'
3. can’t import ‘imread’
4. x86_64-linux-gnu-gcc: error: ../MatlabAPI/private/maskApi.c: No such file or directory

针对以上错误进行解决：

1. 将文件中from distutils.core import setup替换为from setuptools import setup
2. 在setup.py同目录下的_mask.pyx文件中，将len(np_poly)/2改为int(len(np_poly)/2)
3. scipy的版本问题，改为from imageio import imread
4. 将/lib/_mask.pyx文件中# distutils: sources = ../MatlabAPI/private/maskApi.c 改为 # distutils: sources = pycocotools/maskApi.c

---

到这里，关于faster-rcnn的配置就算完成了。

---

6.训练和测试

在训练之前需要根据自己的环境将trainval_net.py和test_net.py中的两个参数save_dir和load_dir进行更改。

parser.add_argument('--save_dir', dest='save_dir',
                      help='directory to save models', default="/yourpath",type=str)

parser.add_argument('--load_dir', dest='load_dir',
                      help='directory to load models', default="/yourpath",type=str)

这里的/yourpath为存放预训练模型的路径。

（1）使用VGG16训练，使用如下命令（具体参数根据自己的需要修改）：

CUDA_VISIBLE_DEVICES=0 python trainval_net.py \
                   --dataset pascal_voc --net vgg16 \
                   --bs 2 --nw 1 \
                   --lr 0.002 \
                   --cuda

（1）使用VGG16测试，使用如下命令（具体参数根据自己的需要修改）：

python test_net.py --dataset pascal_voc --net vgg16 \
                   --checksession 1 --checkepoch 20 --checkpoint 5010 \
                   --cuda

这里指定具体的checksession、checkepoch、checkpoint数值。可以根据训练出来的模型名字来设置。

---

7.demo.py

这里也要注意更改路径：

  parser.add_argument('--load_dir', dest='load_dir',
                      help='directory to load models',
                      default="/yourpath")

运行命令：

CUDA_VISIBLE_DEVICES=0 python demo.py --net vgg16 --checksession 1 --checkepoch 20 --checkpoint 5010 --cuda

参考

https://blog.csdn.net/weixin_42782150/article/details/109820615

https://blog.csdn.net/weixin_43380510/article/details/83004127