在服务器上安装配置caffe及faster rcnn

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。