深度学习笔记(2)------运行别人的caffe,以PoseNet为例

由于近期研究需要运行别人的caffe模型，这里就如何运行不同的caffe做出总结。

一、为什么要安装不同的caffe

在用CNN解决实际问题时，有些作者会根据自身的需要会定义一些自己的层来方便运算，而标准的caffe或者caffe-master中往往没有这些层的定义，这时就需要作者定制自己的caffe，如何想要跑他的网络，就需要重新编译他的caffe。比如，我这里想要运行的PoseNet, 作者定义了Slice层，就需要重新编译caffe，才有这个slice层的定义注意：同一台电脑中是可以有不同版本的caffe的，如果切换不同的版本只需要修改环境变量即可！

二、什么是PoseNet

PoseNet是剑桥大学的Alex Kendall提出的一个卷积神经网络，主要思路是利用CNN回归出相机的位置和姿态，相关的研究成果和对应的demo展示可以点这里，链接中也提供了所有的源代码，训练数据，网络结构和权值文件，要想重现他的训练过程，可以在网站中下载！这是自己第一个正式训练别人网络的例子，这篇文章对自己的帮助很大

三、关于数据的准备

Kendall的论文有提到说，自己有7个室外场景做训练，为了方便起见，我们只选其中的一个场景King’s College，数据集的下载在这里，这个数据集中包含视频，图片，测试数据和训练数据，作者已经把数据转化成规范的个数如下图：

四、重新编译caffe

之前为图省事，把作者的网络直接扔到自己已经编译好的caffe中，发现问题说：slice_axis < num_axe这里作者新定义了slice_axis层，我们原来的caffe是不能用的，需要重新编译caffe，具体的编译过程与第一次编译caffe-master一样，但肯定是会出现各种各样的问题，我在自己写的编译caffe的文章中把会出现的问题和解决方案详细的列了出来。总结一下就是，低版本的库往往不能对高版本的兼容，所以需要你重新建一个软连接，有时候直接复制粘贴就可以了。这里不再赘述caffe编译的全过程，填好所以的坑之后，我们会得到作者自己版本的caffe，caffe-posenet-master

五、测试PoseNet

5.1 文件说明

在caffe-posenet-master中有一个posenet的文件夹，建议吧网络结构，权值，数据全扔到里边，主要是为了修改源代码的路径时方便，如图，我自己的posenet文件夹中有：

其中outdoorScence装室外场景的网络结构和权值文件，model是所以的场景，dataset是Kingscollege的训练和测试数据，7scene文件夹是作者提供的室内训练场景scripts是作者提供的测试demo

5.2 标准化数据

lmdb文件是caffe数据层定义的标准输入，作者把训练照片全部标注到dataset_train.txt中，我们要做的就是把它转化成lmdb数据，作者已经提供了脚本，我们只需要改相应数据文件的路径即可，如下图：

修改1，11，12和37行的路径即可，所有路径修改完成之后，在当前目录输入

python create_posenet_lmdb_dataset.py

我们就可以得到一个lmdb数据格式的文件如下图

5.3创建均值文件

在caffe-posenet-master的主目录中，用命令行输入(这里的目录按照自己的定)

sudo build/tools/compute_image_mean posenet/dataset/KingsCollege/posenet_dataset_lmdb posenet/dataset/KingsCollege/posenet_dataset_lmdb/imagemean.binaryproto

然后可以得到均值文件，如下：

5.4修改运行脚本

运行脚本test_posnet.py中的路径需要重新修改，按照自己数据集的路径做相应的修改，我自己的如下：

改了第13行的路径

5.5修改网络结构

同样的，网络结构中的路径参数也要修改，以train_kingscollege.prototxt为例
改以下四个路径

5.6运行脚本

在test_posenet.py的文件夹中输入

python posenet/scripts/test_posenet.py --model ./train_kingscollege.prototxt --weights ./weights_kingscollege.caffemodel --iter 8

也可以自己写个小的sh脚本以便调整参数，最后我得到的运行结果如下：

各种问题的汇总

用系统自带的计算均值的文件会出现的各种问题,这里做一个汇总。
计算均值文件的命令是(在caffe目录中)

sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto

这个命令的意思就是用compute_image_mean这个函数计算lmdb数据格式的文件，并输出到mean.binaryproto中

在实际运行的时候回出现各种各样的问题：

1. 找不到libcudnn.x.so

原因: cudnn的版本太高，不能满足之前设计的计算程序
解决方法：在/usr/lib中找到最新的libcudnn.so.x.x.x 然后新建软连接，把缺少的那个连接到最新的libcudnn.so.x.x.x 上,同样的步骤在/usr/local/cuda/lib64中再重复一遍
例子：我的cudnn是7.0版本的，以前用5.0版本写的程序是不能用的，因此，找到我的/usr/lib中的libcudnn.so.x.x.x为libcudnn.so.4.0.7. 我缺少的是libcudnn.so.6，那就新建一个软连接连接到最新的libcudnn.so.4.0.7上

cd /usr/lib
ln -s libcudnn.so.4.0.7. libcudnn.so.6

同样的，在/usr/cuda/lib64再重复一遍

cd /usr/cuda/lib64
ln -s libcudnn.so.4.0.7. libcudnn.so.6

记住一点，缺啥补啥！

2. libtiff.so.5:no version information available (required by …./libopencv_imgcodecs.so.3.2

原因：在求均值文件时权限不足
解决方法：指令前加sudo

sudo build/tools/compute_image_mean lmdb数据目录 mean.binaryproto目录