老卫带你学—faster-rcnn使用cpu训练
一、首先参照博客http://blog.csdn.net/qq_14975217/article/details/51495844
对py-faster-rcnn内的roi_pooling_layer和smooth_L1_loss_layer进行替换并重新编译，编译过程参考http://www.cnblogs.com/justinzhang/p/5386837.html
二、修改相关文件
训练过程参考：http://www.cnblogs.com/CarryPotMan/p/5390336.html
http://blog.csdn.net/sinat_30071459/article/details/51332084
1）下载VOC2007数据集
提供一个百度云地址：http://pan.baidu.com/s/1mhMKKw4
解压，然后，将该数据集放在py-faster-rcnn\data下，用你的数据集替换VOC2007数据集。（替换Annotations，ImageSets和JPEGImages）
（用你的Annotations，ImagesSets和JPEGImages替换py-faster-rcnn\data\VOCdevkit2007\VOC2007中对应文件夹）
2）下载ImageNet数据集下预训练得到的模型参数（用来初始化）
提供一个百度云地址：http://pan.baidu.com/s/1hsxx8OW
解压，然后将该文件放在py-faster-rcnn\data下
下面是训练前的一些修改。
3）如果是训练自己的数据集还需要对配置文件做一些修改，本文完全用的VOC的数据集，所以没有做修改，在接下来训练自己的数据集的时候会再重新写一篇教程
4）为防止与之前的模型搞混,训练前把output文件夹删除（或改个其他名），还要把py-faster-rcnn/data/cache中的文件和
py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除（如果有的话）。
至于学习率等之类的设置，可在py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置，迭代次数可在py-faster-rcnn\tools的train_faster_rcnn_alt_opt.py中修改：
max_iters = [80000, 40000, 80000, 40000]
分别为4个阶段（rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段）的迭代次数。可改成你希望的迭代次数。如果改了这些数值，最好把py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt里对应的solver文件（有4个）也修改，stepsize小于上面修改的数值。
5）开始训练，按照教程输入
./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc
会出现错误的情况：
找不到相应的目录，找了半天的错误也没法解决问题，查看faster_rcnn_alt_opt.sh的内容发现是启动
./tools/train_faster_rcnn_alt_opt.py
并给train_faster_rcnn_alt_opt.py传递参数，所以放弃脚本启动的方式，直接在终端输入以下 的命令进行启动
cd /home/wjx/py-faster-rcnn/toolspython train_faster_rcnn_alt_opt.py --gpu 0 --net_name ZF --weights /home/wjx/py-faster-rcnn/data/imagenet_models/ZF.v2.caffemodel --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml --imdb voc_2007_trainval
出现下面的错误：在cpu only 模式下无法用GPU进行训练
解决方案：打开train_faster_rcnn_alt_opt.py,可以看到定义输入参数的函数，把第34,35,36定以GPU模式训练的部分注释掉，如下面黄色的部分。
def parse_args():"""Parse input arguments"""parser = argparse.ArgumentParser(description='Train a Faster R-CNN network')#parser.add_argument('--gpu', dest='gpu_id',# help='GPU device id to use [0]',# default=0, type=int)parser.add_argument('--net_name', dest='net_name',help='network name (e.g., "ZF")',default=None, type=str)parser.add_argument('--weights', dest='pretrained_model',help='initialize with pretrained model weights',default=None, type=str)parser.add_argument('--cfg', dest='cfg_file',help='optional config file',default=None, type=str)parser.add_argument('--imdb', dest='imdb_name',help='dataset to train on',default='voc_2007_trainval', type=str)parser.add_argument('--set', dest='set_cfgs',help='set config keys', default=None,nargs=argparse.REMAINDER)
重新开始训练，输入下面的指令：
python train_faster_rcnn_alt_opt.py --net_name ZF --weights /home/wjx/py-faster-rcnn/data/imagenet_models/ZF.v2.caffemodel --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml --imdb voc_2007_trainval
出现下面的问题：
由于注释掉gpu参数部分，所以下面的程序中出现gpu_id会出现错误，所以把train_faster_rcnn_alt_opt.py第214行注释掉
重新开始训练，出现下面的错误：
和上面的错误一样，cpu模式的问题，解决方法：将sh文件里面关于gpu_id的都注释掉。
然后，将train_faster_rcnn_alt_opt.py文件第103行caffe.set_mode_gpu()改为caffe.set_mode_cpu(),才能进行训练
除此之外，如果用alt-opt方式进行训练，需要进入/home/wjx/py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt文件夹下将四个solver文件夹里里面涉及路径的改到绝对路径，否则会报错，如下：
前面提到faster_rcnn_alt_opt.sh无法启动训练，后修改成如下的代码可以进行训练：
#!/bin/bash# Usage:# ./experiments/scripts/faster_rcnn_alt_opt.sh GPU NET DATASET [options args to {train,test}_net.py]# DATASET is only pascal_voc for now## Example:# ./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG_CNN_M_1024 pascal_voc \# --set EXP_DIR foobar RNG_SEED 42 TRAIN.SCALES "[400, 500, 600, 700]"set -xset -eexport PYTHONUNBUFFERED="True"GPU_ID=$1</span></code></li><li class="L5"><code class="language-py"><span class="pln">NET=$2NET_lc=${NET,,}</span></code></li><li class="L7"><code class="language-py"><span class="pln">DATASET=$3array=( $@ )</span></code></li><li class="L0"><code class="language-py"><span class="pln">len=${#array[@]}EXTRA_ARGS=${array[@]:3:$len}</span></code></li><li class="L2"><code class="language-py"><span class="pln">EXTRA_ARGS_SLUG=${EXTRA_ARGS// /_}case $DATASET in</span></code></li><li class="L5"><code class="language-py"><span class="pln"> pascal_voc)</span></code></li><li class="L6"><code class="language-py"><span class="pln"> TRAIN_IMDB="voc_2007_trainval"</span></code></li><li class="L7"><code class="language-py"><span class="pln"> TEST_IMDB="voc_2007_test"</span></code></li><li class="L8"><code class="language-py"><span class="pln"> PT_DIR="pascal_voc"</span></code></li><li class="L9"><code class="language-py"><span class="pln"> ITERS=40000</span></code></li><li class="L0"><code class="language-py"><span class="pln"> ;;</span></code></li><li class="L1"><code class="language-py"><span class="pln"> coco)</span></code></li><li class="L2"><code class="language-py"><span class="pln"> echo "Not implemented: use experiments/scripts/faster_rcnn_end2end.sh for coco"</span></code></li><li class="L3"><code class="language-py"><span class="pln"> exit</span></code></li><li class="L4"><code class="language-py"><span class="pln"> ;;</span></code></li><li class="L5"><code class="language-py"><span class="pln"> *)</span></code></li><li class="L6"><code class="language-py"><span class="pln"> echo "No dataset given"</span></code></li><li class="L7"><code class="language-py"><span class="pln"> exit</span></code></li><li class="L8"><code class="language-py"><span class="pln"> ;;</span></code></li><li class="L9"><code class="language-py"><span class="pln">esac</span></code></li><li class="L0"><code class="language-py"></code></li><li class="L1"><code class="language-py"><span class="pln">LOG="/home/wjx/py-faster-rcnn/experiments/logs/faster_rcnn_alt_opt_${NET}_${EXTRA_ARGS_SLUG}.txt.`date +'%Y-%m-%d_%H-%M-%S'`"</span></code></li><li class="L2"><code class="language-py"><span class="kwd">exec &> >(tee -a "$LOG")echo Logging output to "$LOG"</span></code></li><li class="L4"><code class="language-py"></code></li><li class="L5"><code class="language-py"><span class="com">#time ./tools/train_faster_rcnn_alt_opt.py --gpu ${GPU_ID} \&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;lt;/span>time cd /home/wjx/py-faster-rcnn/tools/python train_faster_rcnn_alt_opt.py --net_name ${NET} </span><span class="pln">\</span></code></li><li class="L8"><code class="language-py"><span class="pln"> --weights /home/wjx/py-faster-rcnn/data/imagenet_models/${NET}.v2.caffemodel \&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;lt;/span>--imdb ${TRAIN_IMDB} \</span></code></li><li class="L0"><code class="language-py"><span class="pln"> --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml \</span></code></li><li class="L1"><code class="language-py"><span class="pln"> ${EXTRA_ARGS}set +xNET_FINAL=`grep "Final model:" ${LOG} | awk '{print $3}'`set -xtime cd /home/wjx/py-faster-rcnn/tools/test_net.py --def /home/wjx/py-faster-rcnn/models/${PT_DIR}/${NET}/faster_rcnn_alt_opt/faster_rcnn_test.pt \--net ${NET_FINAL} \&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;lt;/span></code></li><li class="L0"><code class="language-py"><span class="pln"> --imdb ${TEST_IMDB} \--cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml \${EXTRA_ARGS}
启动训练输入以下的代码：
./faster_rcnn_alt_opt.sh 0 ZF pascal_voc
说明：
一、第一个参数实际的意义是GPU的编号，但是在CPU的模式下进行训练的话此参数没有任何意义，因为关于gpu_id的代码已经在上面注释掉了。
二、原始参数在CPU下进行训练会出现下面的情况，loss=-nan
可能的原因分析：按GPU的学习率在CPU上进行训练，CPU的速度可能跟不上
解决方法：把/home/wjx/py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt文件夹下将四个solver文件里面的base_lr由0.001调小一点，调节成0.0001后开始训练，不会出现上面的问题。参考：http://blog.csdn.net/kuaitoukid/article/details/42120961
最后，训练好的模型会保存在～/py-faster-rcnn/output/文件夹下
</div>
</div>
</article>
738
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
