全部转载于https://blog.csdn.net/sinat_33486980/article/details/81045315 ,为了方便自己查看
以下是内容
官方给出的Faster R-CNN的代码是caffe框架下的,我对caffe不是很了解,一直用的是tensorflow环境,所以去网上找了一下用tensorflow实现的Faster R-CNN。找到了一篇博客https://www.cnblogs.com/toone/p/8433581.html,作者使用的是一个github上Xinlei Chen的tensorflow版本的faster rcnn代码。这里贴出github链接https://github.com/endernewton/tf-faster-rcnn
首先,按照博客里面作者的步骤,一步步实现,但是我是在自己的台式机上跑的,没有GPU,因此需要做一些修改。下面走一遍整个流程,记录下踩过的坑。
1.本机环境
ubuntu16.04
无GPU
tensorflow版本是1.7.0
python版本2.7.13 (anaconda安装,虽然系统自带python,但是使用anaconda安装可以一次性将大部分机器学习中用到的包装好,所以建议使用anaconda安装)
cython版本0.25.2
opencv-python(该博客使用的是这个,但是我装的是opencv-contrib-python3.4.1.15,也没问题,看网上说,带contrib的会有很多好处,我对这个了解不多,所以先装再看)
easydict版本1.7(博客作者用的1.6,感觉有装就可以,版本关系不大)
2.下载github项目代码和数据
git clone https://github.com/endernewton/tf-faster-rcnn.git
我是直接在home目录下建了一个我自己的文件夹jcm,然后在这个文件夹上右击,在此处打开终端,输入上面的命令就可以将整个项目代码下载到jcm文件夹下。
3.修改配置
在lib文件夹下有个setup.py文件,里面可以设置CPU和GPU的参数。如图所示
我这里没有GPU,所以选择cpu运行,此处必须做相应的修改,因为代码默认是在GPU下运行,所以按照后面编译的命令执行时会报错。
python setup.py build_ext --inplace
Traceback (most recent call last):
File “setup.py”, line 58, in
CUDA = locate_cuda()
File “setup.py”, line 46, in locate_cuda
raise EnvironmentError('The nvcc binary could not be ’
EnvironmentErro