源码 https://github.com/smallcorgi/Faster-RCNN_TF#installation-sufficient-for-the-demo
注意 :需python2.7
Demo
一
注:
上图是faster rcnn原作者的Demo,其中2说明了将下载的目录改名为FRCN_ROOT
。
#make之前完成第“二”步
#假如Faster R-CNN 改名FRCN_ROOT
cd $FRCN_ROOT/lib
make
#若Faster R-CNN 没改名
cd Faster-RCNN_TF/lib
make
二
本步骤来源,其中的三,4步
1
打开 lib文件夹下的 make.sh,根据英文注释提示和本机gcc编译器版本来修改,同时注意修改与显卡计算能力有关的参数。
2
由于本人的显卡(NVIDIA Geforce 920MX)计算能力为3.5,make.sh中改为-arch=sm_35。同时根据gcc版本取消注释(uncomment)相关行。显卡相应计算能力参考这篇博客
然后make
三
python ./tools/demo.py --model model_path
出错
1.
/lib/libstdc++.so.6: version `GLIBCXX_3.4.21' not found
解决https://blog.csdn.net/u010987458/article/details/71702938
2.
roi_pooling_layer/roi_pooling.so: undefined symbol: _ZTIN10tensorflow8OpKernelE
解决 https://blog.csdn.net/qq_15650409/article/details/80051018
3
TypeError: __int__ returned non-int (type NoneType)
解决 :tensorflow-gpu版本过高,降级到1.8.0成功。
4.
NotFoundError (see above for traceback):
Unsuccessful TensorSliceReader constructor:
Failed to find any matching files for VGGnet_fast_rcnn_iter_70000.ckpt
原因python ./tools/demo.py --model model_path
中model_path
(VGGnet_fast_rcnn_iter_70000.ckpt的路径)没写对.
Training Model
#建立软链接
ln -s $VOCdevkit VOCdevkit2007
#$VOCdevkit表示VOCdevkit文件夹的绝对地址
#建立软链接(用绝对地址)
ln -s 源地址 目的地址
比如我把linux文件系统rootfs_dir软链接到/home/jyg/目录下
ln -s /opt/linux/rootfs_dir /home/jyg/rootfs_dir
就可以了
2.
./experiments/scripts/faster_rcnn_end2end.sh $DEVICE $DEVICE_ID VGG16 pascal_voc
#$DEVICE :训练用的设备,这里是gpu
#$DEVICE_ID :设备的ID,这里是0
#VGG16 :训练使用的网络
#pascal_voc :训练使用的数据集
AssertionError: Path does not exist:
/home/litong/Faster-RCNN_TF/data/VOCdevkit2007/VOC2007/ImageSets/Main/trainval.txt
前面软链接没建好,重新建立。