关于pvanet的配置、编译、训练和测试流程的总结

最近一段时间，在学习用caffe框架弄pvanet的目标检测，从一开始的配置就很头大，期间遇到各种问题，各种百度，各种看帖子，才算解决吧。。。总结一下。其实，这个流程和faster-rcnn是基本一样的，只不过二者网络文件不一样而已。先大概写一下，后面想到了，在补充吧。

PVANET
一、安装与配置
参考网址http://blog.youkuaiyun.com/qq_29133371/article/details/53945143
http://www.cnblogs.com/LaplaceAkuir/p/6484500.html

1.安装cuda7.5（cuda8.0应该也是可以的）
安装cuda直接选择默认路径就可以。安装成功后，系统会自动配置两个环境变量，如下：
CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5
CUDA_PATH_V7_5：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5
如果电脑中同时安装了两个版本的cuda，那么注意将CUDA_PATH和你将要用的cuda版本保持一致，以免后面出错。
安装后需要测试一下是否安装成功：
首先在cmd输入nvcc –V，出现如下字样：

然后进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5 点击Samples_vs2013.sln编译运行，出现如下结果表明cuda安装成功：

2.caffe与pvanet的配置，生成libcaffe.lib
地址：https://github.com/sanghoon/pva-faster-rcnn
第三方库地址：http://pan.baidu.com/s/1mg1iJrE，还有boost
https://sourceforge.net/projects/boost/files/boost-binaries/
下载对应网络的安装文件，以及对应的caffe安装包，其实就是文件夹，里面有该网络用到的各种网络层文件，也有一些python代码，用于训练和测试等。值得一提的是，在上述网站下载pvanet的压缩包解压之后，caffe那个文件夹里是空的，只要把caffe那个文件夹单独下载再放进去就可以了。
这里要注意的是，一定要用对应的网络的文件夹资源，因为网络不同，用到的网络层也会不一样。比如pvanet网络caffe下面的src中网络层和faster-rcnn的就有不一样的。我一开始就用的faster-rcnn，因为pvanet是在这个基础上修改的，以为把include和src中的文件都添加进去就肯定不会少，结果训练还是检测时报错说少proposal_layer，仔细检查才发现faster-rcnn中根本没有这个层，pvanet下面的caffe里就有。
同时也要准备所用到的依赖库，后面编译工程时都需要加载进去，包括cudnn的库、python安装库（这里用的是Anaconda），还有一些第三方库，放在3rdparty文件夹，放在caffe下面的路径。至于Opencv就不提供地址了。
下载对应网络的caffe，准备编译工程。新建一个空的解决方案，然后新建libcaffe项目，把src和include中的都加进去（当然，有些网络层是用不到的，但是为了保险，都加进去）。这里最好分类，看着比较好看一点，如下图：


编译前着重注意以下几点：
(1) 改为x64，Release版本
(2) 右击项目，生成依赖项 -> 生成自定义，勾选cu