注意:
一定要保证电脑装有353.66(CUDA7.5)或369.30(CUDA8.0)以上的N卡驱动,至少保证使用GeForce800系列以上的显卡!否则caffe会显示 “Check failed: error == cudaSuccess (35 vs. 0)”。
一定使用caffe的GPU接口,CPU无法跑Faster RCNN,否则会提示 “无法解析Forward_gpu(...)、Backward_gpu(...)” 。因为原作者并没有提供CPU版本,博客所有方法均无效,有兴趣的可以自己尝试实现。
1.系统环境是Windows7+CUDA8.0+CUDNN5.1+VS2013+Python2.7
2.开始前需要先进行以下几步工作:
(1)编译GPU版本caffe的python接口。修改.\caffe\windows\CommonSettings.props,改为GPU版本caffe。点击Caffe.sln,依次生成libcaffe、caffe,再对pycaffe点击生成,编译caffe的python接口。将.\caffe-master\Build\x64\Release\pycaffe\caffe文件夹复制到.\Python\Lib\site-packages\下,若安装Anaconda2,也可以复制到.\Anaconda2\Lib\site-packages\路径下。调用cmd,输入python,再输入import caffe,验证是否成功。
(2)下载py-faster-rcnn,地址:https://github.com/rbgirshick/py-faster-rcnn,此为Linux版本。
再下载py-faster-rcnn-windows,地址:https://github.com/MrGF/py-faster-rcnn-windows 。将py-faster-rcnn-windows中的lib完全替换掉py-faster-rcnn中的lib。
替换后,在py-faster-rcnn\lib\rpn路径下,编辑proposal_layer.py:
a. 将其中的 param_str_ 替换为 param_str。
b. 将cfg_key = str(self.phase)替换为cfg_key = str('TRAIN' if self.phase == 0 else 'TEST')。
(3)点击Caffe.sln,在libcaffe下添加文件,.\caffe\src\caffe\layers下的roi_polling_layer.cpp、roi_polling_layer.hpp、roi_polling_layer.cu分别添加(.cpp加入到libcaffe\src\layers\,.hpp加入到libcaffe\include\,.cu加入到libcaffe\),对libcaffe点击重新生成。对pycaffe点击生成,生成新的pycaffe文件夹中的caffe文件夹。将其复制到py-faster-rcnn\caffe-fast-rcnn\python文件夹下(若无python文件夹,则新建一个)。
可能问题:编译libcaffe可能提示 “无法解析的外部符号ROIPoolingLayer<double>::Forward_gpu(...)、ROIPoolingLayer<double>::Backward_gpu(...)”
解决方法:打开.\caffe-master\windows\libcaffe\libcaffe.vcxproj,保证存在<CudaCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cu" />,如图。若无,则加上。保存libcaffe.vcxproj,再编译libcaffe即可成功。