运行MTCNN的python代码出现的问题

引用：https://blog.csdn.net/weixin_36474809/article/details/82752199

参考：

参考了邢翔瑞关于“MTCNN（一）python代码训练与运行”的博客里面的代码出现了些问题，没能联系上博主，也留意不了言，在此做记录希望得到有心人解答。
博文CSDN连接：https://blog.csdn.net/weixin_36474809/article/details/82752199
博文代码的github连接： https://github.com/AITTSMD/MTCNN-Tensorflow。

操作流程：

博文readme:https://github.com/AITTSMD/MTCNN-Tensorflow/blob/master/README.md
Prepare For Training Data

1、Download Wider Face Training part only from Official Website , unzip to replace WIDER_train and put it into prepare_data folder.
2、Download landmark training data from here,unzip and put them into prepare_data folder.
3、Run prepare_data/gen_12net_data.py to generate training data(Face Detection Part) for PNet.
4、Run gen_landmark_aug_12.py to generate training data(Face Landmark Detection Part) for PNet.
5、Run gen_imglist_pnet.py to merge two parts of training data.
6、Run gen_PNet_tfrecords.py to generate tfrecord for PNet.
7、After training PNet, run gen_hard_example to generate training data(Face Detection Part) for RNet.
8、Run gen_landmark_aug_24.py to generate training data(Face Landmark Detection Part) for RNet.
9、Run gen_imglist_rnet.py to merge two parts of training data.
10、Run gen_RNet_tfrecords.py to generate tfrecords for RNet.(you should run this script four times to generate tfrecords of neg,pos,part and landmark respectively)
11、After training RNet, run gen_hard_example to generate training data(Face Detection Part) for ONet.
12、Run gen_landmark_aug_48.py to generate training data(Face Landmark Detection Part) for ONet.
13、Run gen_imglist_onet.py to merge two parts of training data.
14、Run gen_ONet_tfrecords.py to generate tfrecords for ONet.(you should run this script four times to generate tfrecords of neg,pos,part and landmark respectively)

问题：

1、在跑前6个步骤时候，在代码里面有几个地方需要修改好。
一是各个代码里面的相对路径修改，如from prepare_data.utils import IoU 修改成from utils import IoU ，去掉prepare_data（当前目录）。
2、在原博主提到的train_models/train.py 的修改。

def image_color_distort(inputs): 
    inputs = tf.image.random_contrast(inputs, lower=0.5, upper=1.5) 
    inputs = tf.image.random_brightness(inputs, max_delta=0.2) 
    inputs = tf.image.random_hue(inputs,max_delta= 0.2) 
    inputs = tf.image.random_saturation(inputs,lower = 0.5, upper= 1.5) return inputs

把后两个inputs注释或删除都可。

def image_color_distort(inputs): 
    inputs = tf.image.random_contrast(inputs, lower=0.5, upper=1.5) 
    inputs = tf.image.random_brightness(inputs, max_delta=0.2) 
    #inputs = tf.image.random_hue(inputs,max_delta= 0.2) 
    #inputs = tf.image.random_saturation(inputs,lower = 0.5, upper= 1.5) return inputs

3、第三个问题是tensorflow的问题，由于我用的Python3.6版本问题原因，会报如下错误：

AttributeError:module 'tensorboard.plugins.projector' has no attribute 'ProjectorConfig'

问题代码出现在运行train_models/train_Pnet.py引用train_models/train.py中，需要修改train.py的tensoeflow引用。
原train.py引用。

from tensorboard.plugins import projector

修改（删去或注释）

#from tensorboard.plugins import projector
from tensorflow.contrib.tensorboard.plugins import projector

4、\在操作步骤7（7. After training PNet, run gen_hard_example to generate training data(Face Detection Part) for RNet）时产生了疑问（可能才疏学浅，英语理解太烂原因，总之运行不下去了）。。

第一：是不是在运行第6步骤之后要到train_model的文件夹下运行，train_PNet.py，然后再到prepare_data文件夹底下运行gen_hard_example.py(github下载下来net默认填写ONet，已修改成RNet)。还是直接运行gen_hard_example.py文件的，直接运行的话会在DATA文件下生成no_LM24的文件夹底下对应neg,pos,part三个空文件夹的，这个步骤是怎么实施好的。

第二个问题是在第一个问题的基础上的。如果先运行train_PNet.py再运行gen_hard_exmaple.py，会出现 AssertionError:the params dictionnary is not valid的报错。指向…/data/MTCNN_model/PNet_no_Landmark/PNet-18不存在。
从github上下载解压的data文件夹底下的存在**PNet_landmark、RNet_landmark、RNet_landmark**三个文件夹及其底下内容。但不存在*PNet_no_Landmark、RNet_no_Landmark、ONet_no_Landmark*三个文件夹及底下内容。
如果我修改train_PNet.py的–prefix的默认参数
“../data/MTCNN_model/PNet_no_Landmark/PNet”、“../data/MTCNN_model/RNet_no_Landmark/PNet”、“../data/MTCNN_model/ONet_no_Landmark/PNet”，变成“../data/MTCNN_model/PNet_landmark/PNet”、“../data/MTCNN_model/RNet_landmark/PNet”、“../data/MTCNN_model/ONet_landmark/PNet”这一步骤的代码能运行，但是进行到接下来几个步骤会出现其他错误（如步骤8的gen_landmark_aug_24.py 无法进行）。

重点第四个问题该如何解决的，是原博主的github的data/MTCNN_models底下缺少了RNet_no_Landmark等的文件的，还是前面哪些步骤操作有误的？