本文详细介绍如何在Ubuntu 16.04系统上安装配置Caffe和Py-faster-RCNN，包括安装依赖、配置环境变量、编译安装步骤及训练自定义数据集的过程。
Ubunt 16.04安装caffe，pyfasterrcnn，以及用rcnn训练自己的数据
1.安装caffe
1）安装相关依赖项
sudoapt-getinstall libprotobuf-devlibleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-devprotobuf-compiler
sudoapt-getinstall --no-install-recommendslibboost-all-dev
sudoapt-getinstalllibopenblas-dev liblapack-dev libatlas-base-dev
sudoapt-getinstalllibgflags-dev libgoogle-glog-dev liblmdb-dev
sudoapt-get install libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install python-skimage
sudo apt-get install python-protobuf
sudo apt-get install python-yaml
sudo pip install cython
sudo pip install easydict
2）安装NVIDIA驱动
（1）首先去官网 （http://www.nvidia.com/Download/index.aspx?lang=en-us ）查看适合自己显卡的驱动并下载：
比如咱们的电脑的显卡是泰坦X，系统是64位Linux，我们根据提示选择(.run)文件，如图：
点击DOWNLOAD；
我们下载的驱动是：NVIDIA-Linux-x86_64-384.98.run，放在根目录（home/xxx)目录下。
（2）安装驱动；
在终端下输入：sudogedit /etc/modprobe.d/blacklist.conf输入密码后在最后一行加上blacklistnouveau.这里是将Ubuntu自带的显卡驱动加入黑名单。在终
端输入： sudoupdate-initramfs -u；重启电脑（reboot）这里要尤其注意，安装显卡驱动要先切换到文字界面（tty），(按Ctrl+Alt+F1~F6（咱们的电脑按
Ctrl+Alt+F1）)，输入自己电脑的Name，然后输入密码。输入命令sudoservice lightdm stop，回到自己的根目录：
cd～，输入命令：sudo(sh)./NVIDIA-Linux-x86_64-384.98.run,根据提示安装驱动。安装结束，重启（reboot）。
安装完成之后输入以下指令进行验证： sudonvidia-smi ，若列出了GPU的信息列表则表示驱动安装成功。如下图：
（1）下载CUDA，首先在官网上(https://developer.nvidia.com/cuda-80-ga2-download-archive)下载CUDA：
（2）下载完成后(将下载好的cuda_8.0.61_375.26_linux.run文件放在home目录下)执行以下命令：
sudo chmod777cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia375驱动 时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.48?
因为前面我们已经安装了更加新的nvidia384，所以这里不要选择安装。其余的都直接默认 或者选择是即可。
（3）配置环境变量：
打开~/.bashrc文件：sudo vim ~/.bashrc
/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}（vim用法，按i插入，按esc退出编译，按：输入wq保存退出）
（4）测试CUDA的samples：输入：cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuerysudomakesudo ./deviceQuery如图所示表示安装cuda成功：
4）配置cudnn：
（这一步可能要多次执行）cdcuda
sudo cp lib64/libcudnn.* /usr/local/lib#复制动态链接库cd/usr/local/cuda/lib64/sudorm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件sudoln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接sudoln -s libcudnn.so.5 libcudnn.so #生成软链接 5)安装opencv从官网(http://opencv.org/downloads.html)下载
Opencv，并解压home目录下：unzip opencv-3.1.0.zipsudo mv opencv-3.1.0 opencv编译安装opencvcd ~/opencv&&mkdir build&&cd buildsudo aptinstall cmakesudo cmake
-D CMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..因为opecv3.0与cuda8.0不兼容。需要修改～/opencv/modules/cudalegacy/src/graphcuts.cpp
文件内容，如图：
其中，#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000)是修改完的部分，原来的被注释掉了。
Sudo make -j8
sudo make install
6)配置caffe
（1）下载caffe：
git clone https://github.com/BVLC/caffe.git
（2）修改Makefile文件
a.将：NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
b.将：LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
(3)sudo cp Makefile.config.example Makefile.config
修改Makefile.config文件：
a.将:#USE_CUDNN := 1
修改成： USE_CUDNN := 1
b.若使用的opencv版本是3的，则
将:#OPENCV_VERSION := 3
修改为OPENCV_VERSION := 3
c.若要使用python来编写layer，则将#WITH_PYTHON_LAYER := 1
修改为 WITH_PYTHON_LAYER := 1
d.重要的一项 :
将 # Whatever else you find you need goes here. 下面的
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial 2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial(4)make -j8&&make test&&make runtest注意：make过程中如遇到有关libcudnn的问题，需要重新进行上面提及的软连接操作如图：说明caffe配置成功 7）MNIST数据集测试： cd ~/caffe 下载MNIST数据库并解压缩：./data/mnist/get_mnist.sh 将其转换成Lmdb数据库格式：./examples/mnist/create_mnist.sh 训练网络：./examples/mnist/train_lenet.sh 完成训练。 2.安装配置Py-faster-rcnn 1）下载Py-faster-rcnn：git clone --recursivehttps://github.com/rbgirshick/py-faster-rcnn.git2）安装相关依赖项：pip install cython
sudo apt-get install python-opencv
pip install easydict
3）编译Cythonmodules
cdpy-faster-rcnn/lib&&make
4)修改有关cudnn文件（因为py-faster-rcnn里的cudnn的版本过旧）：
将:
/home/zxj/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/
/home/zxj/py-faster-rcnn/caffe-fast-rcnn/include/caffe/layers/
/home/zxj/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layers/
/home/zxj/py-faster-rcnn/caffe-fast-rcnn/src/caffe/util/
中所有有关cudnn的文件替换成我们刚编译的新caffe里相对应的文件。
5）将新编译的caffe里的Makefile与Makefile.config文件复制到/home/zxj/py-faster-rcnn/caffe-fast- rcnn/目录下。
6）修改文件：
py-faster-rcnn/caffe-fast-rcnn/src/caffe/test/test_smooth_L1_loss_layer.cpp
删除或者注释第十一行：#include"caffe/vision_layers.hpp"
7）make-j8&&make test&&makeruntest
注意：make过程中如遇到有关libcudnn的问题，需要重新进行上面提及的软连接操作
如图：
make pycaffe
安装成功。
8）测试：
cdpy-faster-rcnn
./tools/demo.py
如图：
安装成功。
3.py-faster-rcnn训练自己的数据
1）制作数据集目录格式
下载
下载VOC2007数据集，附：http://pan.baidu.com/s/1gfdSFRX
删除：
data/VOCdevkit2007/VOC2007下所有文件
新建
在./data/VOCdevkit2007/VOC2007新建Annotations；ImageSets/Main;JPEGImages
说明：
Annotations：保存标签txt转换的xml文件
JPEGImages：图片文件
ImageSets/Main：文件名列表（不含后缀）
训练集：train.txt
训练验证集：trainval.txt
测试集：test.txt
验证集：val.txt
2）训练前的一些修改
（1）修改prototxt配置文件：
models/pascal_voc/ZF(VGG)/faster_rcnn_alt_opt文件夹下的5个文件，分别为：(a)stage1_rpn_train.pt、stage1_fast_rcnn_train.pt
stage2_rpn_train.pt、stage2_fast_rcnn_train.pt
(b) fast_rcnn_test.pt
rpn_train.pt文件修改：num_class:1+n（识别1类+背景n类）
ast_rcnn_train.pt文件修改：
num_class:1+n（识别n类+背景1类）
cls_score中num_output：num_class:1+n（识别n类+背景1类）
bbox_pred中num_output：num_class:（1+n）×4（识别n类+背景1类）
(2)修改lib/datasets/pascal_voc.py
self._classes=('__background__',#alwaysindex 0
'people')（写上自己训练的类别）
(3) 修改lib/datasets/imdb.py的append_flipped_images(self)函数
在boxes[:,2] = widths[i] - oldx1 - 1下加入代码：
forb in range(len(boxes)):
if boxes[b][2]<boxes[b][0]:
boxes[b][0] = 0
(4) 修改完pascal_voc.py和imdb.py后进入lib/datasets目录下删除原来的pascal_voc.pyc和 imdb.pyc文件，重新生成这两个文件，因为这两个文件是python编译后的文件，系统会直接调用
终端进入lib/datasets文件目录输入：
importpy_compile
py_compile.compile(r'imdb.py')
py_compile.compile(r'pascal_voc.py')
(5)删除缓存文件
①删除output/
②删除py-faster-rcnn/data/cache中的文件和
py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除。
(6)调参
① 学习率等之类的设置：
py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置
② 迭代次数：
py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中修改
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。
(7)训练
./experiments/scripts/faster_rcnn_alt_opt.sh0 ZF pascal_voc
引用文章：http://blog.youkuaiyun.com/princepaul3/article/details/52313582
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
