py-faster-rcnn配置

参考：http://bealin.github.io/2016/10/23/Caffe%E5%AD%A6%E4%B9%A0%E7%B3%BB%E5%88%97%E2%80%94%E2%80%946%E4%BD%BF%E7%94%A8Faster-RCNN%E8%BF%9B%E8%A1%8C%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/

http://blog.csdn.net/u011635764/article/details/52831167

http://blog.csdn.net/u012283902/article/details/63255301

http://www.cnblogs.com/dudumiaomiao/p/6555898.html

1. 安装配置文件

    sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage    python-h5py python-protobuf python-leveldb python-networkx python-     nose python-pandas python-gflags Cython ipython python-yaml

    sudo pip install easydict

2.  下载py-faster-rcnn

    git clone - -recursive https://github.com/rbgirshick/py-faster-rcnn.git

3. Cython模块编译

    cd py-faster-rcnn/lib

    sudo make

4. 修改 py-faster-rcnn/lib/setup.py

      'nvcc': ['-arch=sm_50',

     修改 GPU的 sm值，修改为自己的GPU的值，我的GPU为GTX745，sm值为50

5. caffe 和 pycaffe的编译

    cd py-faster-rcnn/caffe-fast-rcnn

    cp Makefile.config.example  Makefile.config

   按照自己的环境修改Makefile.config

    我没有使用cudnn，要用python，因此只将 WITH_PYTHON_LAYER := 1前的#去掉

   若要使用cudnn  请参考http://blog.csdn.net/u011635764/article/details/52831167

    再修改一个include错误

    将py-faster-rcnn/caffe-fast-rcnn/src/caffe/test/test_smooth_L1_loss_layer.cpp中的#include“caffe/vision_layers.hpp"删除

    sudo mkdir build

    cd build

    sudo cmake ..

    sudo make all

    sudo  make test

    sudo make runtest

    sudo make pycaffe

6. 下载训练好的模型

    打开py-faster-rcnn/data/scripe/fetch_faster_rcnn_models.sh  复制里面的路径在https://mm.ww.rrjs.pw/中下载

   将文件保存在py-faster-rcnn/data中

   或者直接用命令下载

   cd py-faster-rcnn

   sudo sh ./data/scripe/fetch_faster_rcnn_models.sh

7.  运行demo

    cd py-faster-rcnn

    sudo python2.7 ./tools/demo.py

8. 结果

  

9.  如若遇到问题

     参考： 

      http://blog.csdn.net/u012283902/article/details/63255301

      http://www.cnblogs.com/dudumiaomiao/p/6555898.html

     问题：

     Check failed: error == cudaSuccess (2 vs. 0) out of memory

     解决：

     修改文件/lib/fast_rcnn/config.py

      # Minibatch size (number of regions of interest [ROIs])
      __C.TRAIN.BATCH_SIZE = 128    #将此值改小，2的幂次，64 ，32， 16 ..

  
      # Each scale is the pixel size of an image's shortest side
      __C.TRAIN.SCALES = (600,)   # 改小 500,400,300，...

      可改一处后运行，看是否可以，也可改两处。