cudnn 5.1版本下跑通 py-faster-rcnn的demo

最新推荐文章于 2025-07-09 11:22:56 发布

SiWxyer

最新推荐文章于 2025-07-09 11:22:56 发布

阅读量1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：配置文章标签： caffe py-faster-rcnn

本文链接：https://blog.youkuaiyun.com/wangxiaoyaner/article/details/57474627

在Ubuntu 16.04上，使用CUDA8.0、cuDNN 5.1、Python 2.7和OpenCV 3.1搭建软件环境，详细记录了在编译py-faster-rcnn过程中解决cuDNN版本冲突问题的过程。首先，通过修改Caffe的Makefile.config来适应cuDNN v5，然后安装必要的软件包如cython、python-opencv和easydict。尽管在CPU模式下运行demo.py正常，但在GPU模式下遇到物体检测失败的问题。解决方案包括更新Caffe到与cuDNN v5兼容的版本，以及调整Makefile.config的配置。最后，成功运行模型并执行demo.py进行物体检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

软件环境：

Ubuntu 16.04 + CUDA8.0 + cuDnn5.1 + python 2.7 + OpenCv 3.1

本文的主要目的，是解决在编译py-faster-rcnn的过程中,与cuDnn的v5版本的冲突问题。编译报错是函数错用。最初是把cuDnn换成了v4。后期在跑demo.py时，没能正确检测出物体，也就是没有出带框的图像。一开始以为是plt的问题，后来发现不是，此demo.py在cpu下运行正常，加上gpu选项就不能正常检测物体。

第一阶段，是按照py-faster-rcnn作者的前半部分步骤来进行。相关链接

1.作者提到，在编译Caffe时，至少需要在Makefile.config设置的两点，这里和Caffe的安装相关了，有很多这样的教程。

# In your Makefile.config, make sure to have this line uncommented
WITH_PYTHON_LAYER := 1
# Unrelatedly, it's also recommended that you use CUDNN
USE_CUDNN := 1

2.你需要安装的软件（用apt-get即可）：

cython, python-opencv, easydict

3.命令行下

# Make sure to clone with --recursive
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

4. $FRCN_ROOT指克隆过来的根目录

cd $FRCN_ROOT/lib
make

==========================================================================分界线==========================================

5.作者用的caffe的版本较旧，为了能和cuDnn v5兼容，需要参考：这里

cd

最低0.47元/天解锁文章

200万优质内容无限畅学