endernewton/tf-faster-rcnn项目研究之一：项目部署（GPU版）

本文是对github上endernewton/tf-faster-rcnn项目的学习分析，以记录学习过程。

其原项目地址：https://github.com/endernewton/tf-faster-rcnn

先进行项目部署，前提是已经安装好整套GPU版深度学习环境。

温馨提醒，在此前或此后的所有过程中，保持戒骄戒躁，耐心非常重要。

一、运行环境

在之前的尝试中，遇到许多挫折，诸如ubuntu下显卡驱动的安装，tensorflow版本与cuda、cudnn版本之间的互相不兼容等等，不一而足。经过诸多尝试之后，本次研究在如下软硬件环境进行：

 

GPU	1080Ti
CPU	I7 4790k
Memory	32G
OS	ubuntu18.04 64位
annaconda	Anaconda3-5.2.0-Linux-x86_64
python	3.6.5
tensorflow	tensorflow_gpu-1.9.0
GPU driver	NVIDIA-Linux-x86_64-418.74
cuda	cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64
cudnn	cudnn-9.0-linux-x64-v7.6.0.64
pycharm	pycharm-community-2019.1.1

二、开始部署项目

1、从git克隆代码

git clone https://github.com/endernewton/tf-faster-rcnn.git

2、在安装脚本中更新-arch参数。

GPU model	Architecture
TitanX (Maxwell/Pascal)	sm_52
GTX 960M	sm_50
GTX 1080 (Ti)	sm_61
Grid K520 (AWS g2.2xlarge)	sm_30
Tesla K80 (AWS p2.xlarge)	sm_37

根据上表，对应显卡修改参数：

cd tf-faster-rcnn/lib
# Change the GPU architecture (-arch) if necessary
vim setup.py

如显卡GTX1080Ti，需要修改setup.py中130行的参数：-arch=sm_61

3、保持在tensorflow这个环境中，继续用pip安装cython, opencv-python, easydict这三个库。