tf-faster-rcnn-master自己运行中一些记录与要进一步学习的博客的网址附上

https://gitcode.net/mirrors/endernewton/tf-faster-rcnn?utm_source=csdn_github_accelerator
根据显卡更改下对应的计算单元：
修改tf-faster-rcnn/lib/setup.py中第130行的arch参数，比如我的显卡是1070,算力是6.1，所以是sm_61
显卡的算力可以查询下面网址: http://arnon.dk/matching-sm-architectures-arch-and-gencode-for-various-nvidia-cards/

Train your own model

1. Download pre-trained models and weights

#VGG16
mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
tar -xzvf vgg_16_2016_08_28.tar.gz
mv vgg_16.ckpt vgg16.ckpt
cd ../..
 
#ResNet101
mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz
tar -xzvf resnet_v1_101_2016_08_28.tar.gz
mv resnet_v1_101.ckpt res101.ckpt
cd ../..

2. Train & Test

#Train
./experiments/scripts/train_faster_rcnn.sh [GPU_ID] [DATASET] [NET]
# GPU_ID is the GPU you want to test on
# NET in {vgg16, res50, res101, res152} is the network arch to use
# DATASET {pascal_voc, pascal_voc_0712, coco} is defined in train_faster_rcnn.sh
# Examples:
./experiments/scripts/train_faster_rcnn.sh 0 pascal_voc vgg16
./experiments/scripts/train_faster_rcnn.sh 1 coco res101
 
#Test
./experiments/scripts/test_faster_rcnn.sh [GPU_ID] [DATASET] [NET]
# GPU_ID is the GPU you want to test on
# NET in {vgg16, res50, res101, res152} is the network arch to use
# DATASET {pascal_voc, pascal_voc_0712, coco} is defined in test_faster_rcnn.sh
# Examples:
./experiments/scripts/test_faster_rcnn.sh 0 pascal_voc vgg16
./experiments/scripts/test_faster_rcnn.sh 1 coco res101

出现bash: ./tools/demo.py: Permission denied 问题出现的原因：权限问题
解决措施：
解决方案是赋予文件可执行性: chmod +x tools/demo.py （这种方式可以解决shell脚本的权限问题）；

在开始训练之前，需要把cache删除掉，分别在tf-faster-rcnn/data/cache和tf-faster-rcnn/data/VOCdevkit2007/annotations_cache路径下，（首次训练没有，可不管）。
如果是重新开始训练，删除tf-faster-rcnn/output/vgg16/voc_2007_trainval/default路径下所有文件
如果是接着之前的结果继续训练，就不用删除。

可视化：
在mobaxterm上先输入：firefox #打开浏览器
然后输入：tensorboard --logdir=/home/wyr/tf-faster-rcnn-master/tensorboard/vgg16/voc_2007_trainval/default_val/ --port=7003
之后在浏览器地址栏输入：http://amax:7003

cd ~/tf-faster-rcnn-master
GPU_ID=0
CUDA_VISIBLE_DEVICES=${GPU_ID} python ./tools/demo.py

ln -s 源文件 软链接文件

MobaXterm处理文件上传异常
如果拖拽本地的文件到Linux上时失败了；
这很正常，因为你系统直接登录的账户不是root账户；
这时候需要去session那里重新设置下登录名，这个异常跟SecureCRT是类似的，都是由于在命令行软件下我们连接Linux的账户是用户（user）账号，而不是权限账号（root）；所以我们在软件中没有访问Linux系统的文件上传权限；

Faster RCNN算法demo代码解析https://www.cnblogs.com/hotsnow/p/9856745.html
目标检测 FASTER R-CNN运行及实时性DEMO测试（理论部分和图解释挺好）https://www.freesion.com/article/4798777456/
CV-笔记-重读Faster R-CNN即region proposal network(RPN)区域建议网络https://www.pianshen.com/article/58801150433/
TF-Faster-rcnn宠物狗种类识别之模型训练(终结篇)https://zhuanlan.zhihu.com/p/31772360
faster rcnn可视化（修改demo.py保存网络中间结果）https://blog.csdn.net/qq_26898461/article/details/53437398

lib目录：config.py配置文件就在其目录下，有定义了cfg=__C字典配置项，很多地方代码逻辑都会依赖该文件，这也是我们要在训练过程中调试超参数的地方。