tf-faster-rcnn在cpu下运行demo、测试和训练自己的数据集

1、环境配置

官方给出的Faster R-CNN的代码是caffe框架下的，我对caffe不是很了解，一直用的是tensorflow环境，所以去网上找了一下用tensorflow实现的Faster R-CNN。找到了一篇博客https://www.cnblogs.com/toone/p/8433581.html，作者使用的是一个github上Xinlei Chen的tensorflow版本的faster rcnn代码。这里贴出github链接https://github.com/endernewton/tf-faster-rcnn

首先，按照博客里面作者的步骤，一步步实现，但是我是在自己的台式机上跑的，没有GPU，因此需要做一些修改。下面走一遍整个流程，记录下踩过的坑

1.本机环境(安装的一切环境均在本机的tf虚拟环境下安装)

ubuntu16.04

无GPU

tensorflow版本是1.7.0

python版本2.7.13 （anaconda安装，虽然系统自带python，但是使用anaconda安装可以一次性将大部分机器学习中用到的包装好，所以建议使用anaconda安装）

cython版本0.25.2

opencv-python(该博客使用的是这个，但是我装的是opencv-contrib-python3.4.1.15，也没问题，看网上说，带contrib的会有很多好处，我对这个了解不多，所以先装再看)

easydict版本1.7(博客作者用的1.6，感觉有装就可以，版本关系不大)

 

2.下载github项目代码和数据

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

我是直接在home目录下建了一个我自己的文件夹fast，然后在这个文件夹上右击，在此处打开终端，输入上面的命令就可以将整个项目代码下载到fast文件夹下。

 

目录介绍 

data-----------------这里是用来存放你的数据图片的

experiments------这个文件夹决定了你要采用什么样的方式去训练你的数据，大家都知道，faster-rcnn提供了两种训练方式：

                               1.交替训练（alt_opt）

                               2.近似联合训练（end-to-end）

                               这里我们就使用的是第二种，因为它速度更快，同时也能保证准确率，但是两者修改代码是不一样的。

lib--------------------存放python的接口文件，如需要数据读入等。

tools-----------------存放的是训练、测试等python文件，这里是我们的重点。

output是用来存放自己训练好的模型的，所以在未训练前，里面是空的。我建议大家要仔细阅读README.md文件，可以很好的帮助我们运行程序。

3.修改配置（因为使用的是cpu，有蛮多地方要修改的）

1）在lib文件夹下有个setup.py文件，里面可以设置CPU和GPU的参数。如图所示

首先按照github里面的readme，只要将USE_GPU_NMS 由原来的True改为False就可以。

2）修改lib/model/nms_wrapper.py

按照图中箭头所指示的地方，将代码注释，作用就是为了直接禁用掉GPU模式

3）lib/setup.py