caffe下matlab、python的配置和faster RCNN的运行

因为自己的电脑没有安装linux环境，显卡也不支持CUDA，所以在实现faster RCNN的demo的过程中还是很麻烦的。

完善项目文件

下图是vs2013 打开的caffe解决方案的工程目录。由于windows版本caffe的不完善，要先在其libcaffe项目中添加roi_poling层的相关支持。（Fast R-CNN的ROIPooling层需要这个源文件编译）

具体做法是对cu&include&src下的layers右键，添加现有的项，分别添加的是roi_pooling_layer对应的.cu/.hpp/.cpp文件。其中.cu和.cpp文件在caffe安装根目录src/caffe/layers下。.hpp在include/caffe/layers下。

P.s:Caffe中的.cu文件，是交给nvcc编译的c++源文件，可以编译成cpu指令或者GPU指令。

修改属性表

在commonSettings.props中修改属性。为了配置caffe的接口，需要在属性表中把python版编译接口打开，并且指出anaconda2的路径。这两行分别在属性表的13行和第48行。

好几个博客都使用的是anaconda2的python安装包，而caffe中默认的是Miniconda2（仅包含conda和 Python）。Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，anaconda2对应Python2版本。对比之下，pycharm、spyder是IDE，可以调试，代码高亮，项目管理等。因为python是解释型的语言，pycharm在新建项目的时候就需要指定interpreter，而这个解释器就可以是anaconda下的python.exe。而在anaconda之中也集成了IDE：jupyter notebook。

从清华大学镜像站下载anaconda，https://repo.continuum.io/archive/Anaconda2-4.2.0-Windows-x86_64.exe

（千万要下载支持python2.7的anaconda2,不然后面会遇到找不到python27.lib）去编译Release版本的pycaffe，好像如果编译Debug版本会出现python27_d.lib找不到什么的。

Matlab也一样，除了打开matlabsupport，还需要修改matlab.exe路径和mxGPUArray.h所在include路径。新版matlab的mxGPUArray.h位置改动了，可以将新位置放在includePath之中，也可以将头文件复制到默认的includePath处。

重新编译

在Build/x64/Release下得到pycaffe文件夹和 matcaffe文件夹。

Pycaffe：

Matcaffe：编译过程中遇到了头文件martix.h找不到的情况，把绝对路径include进去就好了。还遇到了无法打开libmx.lib的问题，在项目属性中添加库目录。

python中安装caffe包

将编译生成的pycaffe中的caffe文件夹拷贝到D:\Program Files\Anaconda2\Lib\site-packages中

在cmd中进入python命令行，然后import caffe，会出现下面问题

因为c++版本中生成的NugetPackages里面包含了依赖项opencv，protobuf等，而python版本还没有。解决办法是退出python，在cmd中conda install protobuf/pip install protobuf，安装成功之后重新import caffe，没有报错。

验证

使用的实例是Texture Synthesis with Convolutional Neural Networks这篇论文的代码，主要实现的是利用噪声生成一张真实图片。下载，解压github上的源码https://github.com/leongatys/DeepTextures

在cmd中cd到解压目录，输入jupyter notebook

可以在localhost：8888/中得到jupyter notebook，顾名思义，这是一个web型的交互式笔记本。显示当前文件夹中的文件。

点击example.ipynb，shift+enter逐步调试.

出现了python.exe停止运行等错误，中断发现应该是GPU不支持的问题，在cmd中的提示验证了这个猜想：

按照下面代码把模式改成CPU：

#if cpu mode we should not call,below 3 line of code is just for using GPU mode.
#gpu = 0
#caffe.set_mode_gpu()
#caffe.set_device(gpu)

在链接1中是将代码写在一个py文件中一次性运行，而且因为不是在解压文件目录下打开jupyter notebook，用了绝对路径。但是不管是分步运行还是一次性运行，都没有报错，都没有图像生成，理论上应该生成代码给的参考图像才对。现在还不知道怎么回事。

我怀疑是我除了anaconda2还安装了一个python，所以运行notebook的时候有两个kernels found，于是用pycharm新建了一个project，选择anaconda2下的python.exe作为interpreter，但是显示找不到caffe等：

Faster rcnn

Python版本的caffe和faster rcnn（链接3）：

下载py-faster-rcnn，地址：https://github.com/rbgirshick/py-faster-rcnn

针对windows环境，替换py-faster-rcnn中的lib）https://github.com/MrGF/py-faster-rcnn-windows将其中的文件复制进py-faster-rcnn进行替换。

替换后，在py-faster-rcnn根目录—lib—rpn路径下，编辑proposal_layer.py：

将Caffe根目录—Build文件夹下，找到生成的pycaffe，将其中的caffe文件夹整体复制到py-faster-rcnn根目录—caffe-fast-rcnn—python文件夹下。如果是用Download ZIP（因为我们已经有了Caffe-Microsoft），在py-faster-rcnn的caffe-faster-rcnn下单独创建python文件夹，再将生成的pycaffe下的caffe拷贝进来。官方推荐用命令递归下载，递归的意思是initialize submodules in the clone，自动初始化并更新仓库中的每一个子模块：

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

Matlab版本的caffe+faster rcnn（链接4）

按照参考操作就可以了，需要注意的是要下载的是matlab版本的faster rcnn，解压应该在faster-rcnn-master/experiment下。

需要针对cpu-only的环境修改代码。因为不用GPU，所以还需要选择网络较小的zf-5，而不是很大的VGG-16.这两个网络的model在output文件夹下面。

我遇到的问题是：

先是出现invalid mex-file，添加了vs的dll文件在m文件目录下，将build/x64/release路径添加到系统环境变量。

然后出现了load使用错误的原因，其实是model文件和测试图片的路径错了，按照提示改一下就好了。

下面是demo自带图像的测试结果：

Reference：

1. 下载anaconda2：https://www.cnblogs.com/billyzh/p/6307716.html

2. Jupyter：https://blog.csdn.net/zb1165048017/article/details/52980102

3. Py Faster RCNN：https://blog.csdn.net/u011185952/article/details/71079038

4. Mat faster rcnn：https://blog.csdn.net/mr_curry/article/details/54745116

5. 翻墙获取faster_rcnn_models：https://blog.csdn.net/hongbin_xu/article/details/76100132

6. 修改setup.py到CPU：http://www.caffecn.cn/?/question/13

caffe下matlab、python的配置和faster RCNN的运行相关推荐

Win10下的Python环境配置
Win10下的Python环境配置原料 64位Windows10 专业版安装Python 访问python的官方网站www.python.org,点击download,如图一选择2.7版本,如图 ...
Tensorflow下用自己的数据集对Faster RCNN进行训练和测试（二）1
原 Tensorflow下用自己的数据集对Faster RCNN进行训练和测试(二) 2018年08月21日 22:20:38 子季鹰才阅读数:1811 对于Tensorflow版本的Faster ...
后 R-CNN时代， Faster R-CNN、SSD、YOLO 各类变体统治下的目标检测综述：Faster R-CNN系列胜了吗？，（知乎ChenJoya大佬，讲的挺好的，记录一下）
我们检测到你可能使用了 AdBlock 或 Adblock Plus,它的部分策略可能会影响到正常功能的使用(如关注). 你可以设定特殊规则或将知乎加入白名单,以便我们更好地提供服务. (为什么?) ...
linux apache部署php,Linux下apache虚拟主机配置多版本php同时运行 | 系统运维
学习本教程须掌握: 1.Linux下指定版本编译安装LAMP 2.Linux下Apache虚拟主机配置 3.CentOS 7.x编译安装Nginx1.10.3+MySQL5.7.16+PHP5.2 5 ...
windows10安装python环境_在windows10下安装python（配置环境变量）,Windows10
建议使用:anaconda(环境管理和包管理)+Pycharm (强大的IDE开发工具) python环境变量设置: window系统高级设置-> 系统环境变量里变量名: PYTHONPATH ...
【MATLAB深度学习】采用Faster R-CNN实现车辆目标检测
本文展示了如何使用MATLAB训练Faster R-CNN目标检测器,实现对车辆的检测.本例使用一个包含295张图像的小标记数据集.每个图像包含一个或两个已标记的车辆目标.一个小的数据集对于探索 Fa ...
linux下caffe编译以及python环境配置手记
caffe是一个深度学习的库,相信搞深度学习的话,不是用这个库就是用theano吧.要想使用caffe首先第一步就是要配置好caffe的环境.在这里,我主要说的是在debian的linux环境下如何配 ...
【泡咖啡1】linux下caffe编译以及python环境配置手记
caffe是一个深度学习的库,相信搞深度学习的话,不是用这个库就是用theano吧.要想使用caffe首先第一步就是要配置好caffe的环境.在这里,我主要说的是在debian的linux环境下如何配 ...
ubuntu安装python_Linux下的Python开发配置鸭
linxu下python环境的开发配置前言 linux是目前为止最好上手的系统也是最适合新手学习的系统而python是可以最快让大家知道怎么写出东西的语言,简单的几十个小时的学习之后就只需要看懂库的 ...

caffe下matlab、python的配置和faster RCNN的运行

caffe下matlab、python的配置和faster RCNN的运行相关推荐

最新文章

热门文章