fast_rcnn

首先,需要安装Caffe,caffe已经安装成功

注意:必须在 Makefile.config配置文件中打开Python层支持。

    # In your Makefile.config, make sure to have this line uncommented

    WITH_PYTHON_LAYER := 1

其次,可能需要Python安装包:cythonpython-OpenCVeasydict

1.cython

下载地址:http://download.chinaunix.NET/download.PHP?id=39842&ResourceID=12671

解压:tar -zxf Cython-0.16.tar.gz

进入解压后的目录,执行安装: python setup.py install

2.python_opencv

用pip install python-opencv来安装,没有找到,在网上也没有找到相应的源安装包

3.easydict

[root@Master /]# pip install easydict
Collecting easydict
  Downloading easydict-1.6.zip
Building wheels for collected packages: easydict
  Running setup.py bdist_wheel for easydict
  Stored in directory: /root/.cache/pip/wheels/6d/2b/46/a0c5db6a68b77d59f15f940acc62fd5702872f2d0928e85c35
Successfully built easydict
Installing collected packages: easydict
Successfully installed easydict-1.6


硬件要求:

      对于训练较小的网络(CaffeNet, VGG_CNN_M_1024),至少需要3G内存的GPU(如:TitanK20K40...

    对于训练VGG16,至少需要一个K40(约11G内存)。


2.安装(用于demo

2.1 githubcloneFast RCNN的仓库。最好就直接这么clone,不要自己去下载,不然还满麻烦的。

    # Make sure to clone with --recursive

    Git clone --recursive https://github.com/rbgirshick/fast-rcnn.git

2.2 生成Cython模块(下面的$FRCN_ROOT都是指fast-rcnn的解压位置)

    cd $FRCN_ROOT/lib

    make

(在这里make出错)

Cython的版本太低,换了最新的版本就可以了, Cython==0.21.2

2.3 生成Caffepycaffe

    cd $FRCN_ROOT/caffe-fast-rcnn

    make -j8 && make pycaffe

 注意:要先修改Makefile.config中的内容

  • 打开 USE_CUDNN = 1,这个选项默认情况下时关闭的,让CUDA支持DNN

  • 打开 WITH_PYTHON_LAYER = 1,这个在默认情况下也是关闭的,FastRCNN需要支持Python接口,因此需要打开

  • Fast RCNN需要hdf5的支持,这个根据自己的Linux里的库文件安装路径添加,不清楚的可以find一下,不过一般情况下,INCLUDE_DIRS 应该添加上 /usr/include/hdf5/serial LIBRARY_DIRS 添加上 /usr/lib/x86_x64-linux-gnu/hdf5/serial
  • 另外把USE_PKG_CONFIG = 1 记得打开,要不然会找不到一些库文件,PKG是linux用来管理库文件

Fast RCNN里面用的是1.55版本的boost库,要重新装回1.55

### 如何安装 Fast R-CNN Fast R-CNN 是一种用于目标检测的经典深度学习架构,其依赖于 Python 和一些机器学习框架的支持。以下是关于如何安装 Fast R-CNN 的详细说明: #### 系统环境准备 为了运行 Fast R-CNN,需要先配置好开发环境。通常情况下,推荐使用 Linux 或 macOS 平台来部署该模型[^1]。 - **Python 版本**: 推荐使用 Python 2.7 或者 Python 3.x (具体版本取决于实现方式)。 - **CUDA 配置**: 如果计划利用 GPU 加速,则需安装 NVIDIA CUDA Toolkit 及 cuDNN 库。确保显卡驱动程序已更新至最新版本[^2]。 #### 软件包依赖项 在开始之前,请确认已经安装了以下必要的库文件: ```bash pip install numpy scipy matplotlib cython h5py pyyaml easydict opencv-python ``` 对于 Caffe 支持部分(如果适用),还需要单独编译并链接到项目中去。 #### 获取源码与设置路径 从官方仓库克隆最新的代码副本下来,并按照指示完成初始化操作: ```bash git clone https://github.com/rbgirshick/fast-rcnn.git cd fast-rcnn/lib/ make clean; make ``` 上述命令会构建 Cython 扩展模块以及其它所需的本地组件。 #### 数据集下载与预处理 大多数实验都需要 Pascal VOC 或 COCO 这样的公共数据集合作为输入素材。可以通过脚本来自动获取这些资源: ```bash ./data/scripts/fetch_voc_data.sh ``` 另外还需注意调整图像尺寸参数以便适配不同分辨率下的测试场景需求。 #### 训练过程概述 启动训练流程前要指定所使用的网络结构定义文件 (.prototxt),权重加载地址等选项。例如执行如下指令即可开启一轮完整的迭代周期计算工作: ```bash python tools/train_net.py --gpu 0 \ --solver models/pascal_voc/VGG16/solver.prototxt \ --weights data/imagenet_models/VGG16.v2.caffemodel \ --imdb voc_2007_trainval \ --iters 40000 ``` 以上即为整个 Fast R-CNN 安装指南的核心要点描述。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值