1 文件说明
caffe-master.zip是我用的caffe版本
DIY Deep Learning for Vision- a Hands-On Tutorial with Caffe.pptx 是对caffe的介绍
说明文档.docx 就是本文档
faster_rcnn_models.tgz是在后面faster-rcnn用到的文件
pdf文件是一些深度学习相关的论文
另外caffe官网:http://caffe.berkeleyvision.org/
如果直接上手安装faster-rcnn请直接跳到文末,但配置文件需参见2.2, 2.4
2 Caffe安装流程
1、首先需要安装很多依赖项,但我们的服务器已经安装好了
2、将anaconda/cuda等路径加入你自己用户的bash信息:
vim ~/.bashrc
修改如下:
# .bashrc
# Source global definitions
if [ -f /etc/bashrc ]; then
./etc/bashrc
fi
# User specific aliases and functions
exportPATH=/usr/local/cuda/bin:/usr/bin/anaconda2/bin:$PATH
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}:/usr/bin/anaconda2/lib
export PKG_CONFIG_PATH=/usr/bin/anaconda2/lib/pkgcondig:$PKG_CONFIG_PATH
export CUDA_HOME=/usr/local/cuda
保存修改后 source ~/.bashrc
3、下载caffe(https://github.com/BVLC/caffe)并解压
4、进入caffe目录
cp Makefile.config.example Makefile.config
vim Makefile.config
开放USE_CUDNN
注释CUDA_ARCH后三行,新版不支持
修改BLAS为mkl
将所有Python依赖项的默认引用库注释掉,去掉ANACONDA依赖项前的注释,引用Anaconda,修改ANACONDA_HOME为/usr/bin/anaconda2
5、编译make all,等待安装完成
3 执行手写数字示例流程:(在caffe目录下执行)
1、下载mnist数据集
cddata/mnist
./get_mnist.sh
2、转换mnist数据集格式为LMDB格式
在caffe路径下运行 ./examples/mnist/create_mnist.sh
3、模型
LeNet-5模型结构位于 examples/mnist/lenet_train_test.prototxt (此文件将训练过程和预测过程写成一个文件了)
LeNet-5模型训练参数配置文件位于 examples/mnist/lenet_solver.prototxt
(在examples/mnist/文件夹下还有其他模型及训练参数配置文件)
4、运行
训练超参数:./build/tools/caffe train --solver=examples/mnist.lenet_solver.prototxt
得到一些超参数文件,如:lenet_iter_10000.caffemodel
测试:
./build/tools/caffe.bintest \
-modelexamples/mnist/lenet_train_test.prototxt \
-weights examples/mnist/lenet_iter_10000.caffemodel \
-iterations100
4 使用细节
1、模型文件中个设置的含义:
数据层:http://www.cnblogs.com/denny402/p/5070928.html
视觉层:http://www.cnblogs.com/denny402/p/5071126.html
激活层:http://www.cnblogs.com/denny402/p/5072507.html
其他常用层:http://www.cnblogs.com/denny402/p/5072746.html
Blob, layer, net 配置文件的编写:http://www.cnblogs.com/denny402/p/5073427.html
solver配置:http://www.cnblogs.com/denny402/p/5074049.html
2、制作自己的LMDB数据集:http://www.cnblogs.com/denny402/p/5082341.html
5 Faster-RCNN安装
1. git clone --recursivehttps://github.com/rbgirshick/py-faster-rcnn.git
2. cd py-faster-rcnn/lib/
make
3. cd ~/py-faster-rcnn/caffe-faster-rcnn/
cpMakefile.config.example Makefile.config
vimMakefile.config (修改相应参数如上述,并开放WITH_PYTHON_LAYER)
make clean
make all -j16 && make pycaffe
make test
你可能会遇到问题:fatal error: caffe/vision_layers.hpp: No such file ordirectory
解决:https://github.com/rbgirshick/py-faster-rcnn/issues/129
make runtest (此处需要几小时)
5. 测试数据集(在py-faster-rcnn目录下运行)
下载模型:sh data/scripts/fetch_faster_rcnn_models.sh
可能连不上,那就自己按照sh文件给的地址下载faster_rcnn-models.tgz,放到data/下并解压
demo测试:python tools/demo.py
你可能会遇到问题:
No to_python (by-value) converter found for C++ type:boost::shared_ptr<caffe::Blob<float> >
解决:修改 vim caffe-faster-rcnn/python/caffe/_caffe.cpp
在约266行左右添加:
boost::python::register_ptr_to_python<boost::shared_ptr<Blob<Dtype>> >();
注意">>>"中间有空格"> >>"
如果是Layer/Net错误,修改方法类似,找到对应的位置,添加相应行
然后在make all -j16
参考:http://blog.csdn.net/firemicrocosm/article/details/50952427
其他问题解决集合:http://www.cnblogs.com/dudumiaomiao/p/6555898.html
参考: http://www.cnblogs.com/dudumiaomiao/p/6556111.html
demo演示结果:
备份。侵删。