Windows下用cpu模式跑通目标检测py-faster-rcnn 的demo.py

关键字：Windows、cpu模式、Python、faster-rcnn、demo.py

声明：原文发表在博客园，未经容许不得转载！！！本篇blog过程已经多名读者实践验证，有人反馈报错TypeError:‘None Type‘ object has no attribute _getitem_‘，但拿本人编译好的文件能够跑通，对于此问题我没去探究，评论区给出了解决办法（nms函数cpu参数false改成true）。blog中除提到的下载连接外我还会给出网盘连接方便下载（连接失效，本人百度云上传次数受限没法再上传），包括个人整个工程的网盘连接。若是有些报错解决不了可直接拿本人的相关文件替换，本篇blog具备较高的参考性。

本人微软版caffe工程     下载连接：http://pan.baidu.com/s/1o83DIl0 提取密码：60zg

本人py-faster-rcnn工程    下载连接：http://pan.baidu.com/s/1bpjby2N 提取密码：t8aj

原由：导师交待目标检测有关论文的阅读任务，建议我跑下demo.py（一个测试小程序，能够读入图片及相关网络模型，进而对图片进行目标检测）。可是，我这个小白哪会啊？以前配置caffe环境电脑蓝屏重装系统后就一直不敢再装，后续实验都是在实验室有gpu的工做站上进行的。此次跃跃一试，原本配置的是gpu模式，到最后一步时，报了与cuda相关的错，后来查询电脑计算能力低于cudnn的最低要求，果断放弃gpu模式，转投cpu模式。可是网上真的没有教程啊，或者说只有那种极其简略的教程，debug也欲哭无泪，由于我源码没看多少。为避免后来人少走弯路，我着手写了这篇博客。本篇博客创建在做者没读过源码的基础上，因此不少解释都是较为粗糙可是实用的，咱们的目标只有一个：Windows下用cpu模式跑通demo.py。实际上不少人不建议我用cpu跑，伤机器，可苦了个人ThinkPad e431。当初买电脑由于不玩游戏，因此买商务本，如今表示很后悔！

通过：通过？很痛苦、很痛苦、很痛苦，尤为是对一个啥也不会的小白来讲更痛苦。不过在此过程当中，有负责任的导师的帮助，还有幸遇到一个同济大神，他教会我不少东西！仅以此blog向他们致以崇高的敬意！

结果：固然是配好了gpu环境后发现本身显卡计算能力不够（配置gpu环境本篇不涉及，基本与cpu环境配置过程一致，只是要装cuda、cudnn以及修改一些配置信息），因此从新配置了cpu环境并跑通了demo.py。

特别感谢：俊杰哥（不想暴露他的信息）、导师、不染（QQ名）、rookie_cz（虽然他没教我什么，向他求助也不回我，但他的blog颇有份量，略表感谢）。

适用对象：电脑上一切空白，没搭过caffe环境的人，py-faster -rcnn从零开始的人。

1、  准备工做

下载Anaconda二、visual studio 201三、opencv库以及notepad++

（1）下载Anaconda2.7（注意必定是2.7版本的，faster rcnn只支持Python 2.7）

下载连接：http://pan.baidu.com/s/1c11GaWC 提取密码：ak6q

本人安装了Anaconda windowsX64 2.7版原本配置python，安装Anaconda2后须要下载必要的python库，之因此选择Anaconda是由于它在安装时会自动安装一些必要的计算库。傻瓜式安装过程，为便于叙述的一致性，建议读者与我放在相同的路径下：D:\。

安装完成后按理说是会自动将Anaconda2中Python.exe的路径添加到系统环境变量中，最好是检查一下，至于怎么添加系统环境变量路径，我也是百度解决的。看了path，果真是自动添加的。

Anaconda安装完成后，打开cmd联网状态下敲入pip install protobuf回车再敲入pip install easydict回车，如图所示，联网状态下下载两个依赖包。若是这时敲pip list，能够看到机器所装的依赖包。由于我已经装过一遍，因此会有以下staisfied显示。

 

（2）下载visual studio 2013 文件太大，不提供网盘连接了，相信程序猿们通常都会下载，求助一个问题，怎么把vs2013的背景色由黑色变成白色，导师遇到了这个困惑。知道的同窗麻烦留言。

（3）下载opencv图形图像处理库2.4版本

安装Opencv参考连接： http://www.cnblogs.com/chensheng-zhou/p/4895332.html

下载连接：http://pan.baidu.com/s/1jIdx6su 提取密码：a69d

我是放在了D:\中，把D:\opencv\opencv\build\python\2.7\x64目录下的cv2.pyd复制到D:\Anaconda2\Lib\site-packages目录下供后面调用。

 

（4）下载notepad++

下载连接：http://pan.baidu.com/s/1kV0wbav 提取密码：ozy7

一种文本编辑器，方便看打开文件的代码，傻瓜式安装。

2、  配置caffe环境 （cpu模式以及Python接口）

配置参考连接：

http://blog.csdn.net/xierhacker/article/details/51834563 http://www.cnblogs.com/LaplaceAkuir/p/6445189.html

因为我配置的是cpu环境，与它的大致过程差很少，但这两篇blog是网上为数很少讲的比较清楚的配置caffe环境文章，贴出来仅供参考，具体以如下操做步骤为准。

下载微软版的caffe，编译时它会自动在联网状态下下载第三方库，操做起来相对简单，这正是不选其余版本caffe的缘由，下载连接：https://github.com/Microsoft/caffe。

下载连接：http://pan.baidu.com/s/1kVDntFh 提取密码：ff5n

    打开网址页面以下，选择右上角clone or download-----dowmload zip下载caffe压缩包至电脑并解压，这里提醒一下，解压路径中最好不要有中文，好比我就放在E:\deep learning如图所示，解压后获得caffe—master文件夹。能够先无视我文件夹中的其余一些文件，好比cuda，实际上最后我也没用cuda,，至于缘由前面已经提到过。

打开caffe-master文件夹,看到一个windows文件夹,打开windows文件夹,看到里面一个CommonSettings.props.example文件,复制一个副本,并更名字为CommonSettings.props，同时保留这两个文件（我发现好像编译caffe后CommonSettings.props.example文件貌似会消失，这里改主要是为了能使VS2013能识别，如图，前面加了了扳手图标）点进去修改一下配置信息，打开以下图，这里注意修改如下几个地方：（其余地方和我不同能够先不用管）

第七行：  <CpuOnlyBuild>true</CpuOnlyBuild>    采用cpuonly模式

第八行：  <UseCuDNN>false</UseCuDNN>           不使用cudnn(与cuda加速深度学习的)

第十三行： <PythonSupport>true</PythonSupport>  编译Python接口须要打开

第四十八行：<PythonDir>D:\Anaconda2</PythonDir>  Python路径，建议放这保持一致

修改后保存、保存、保存

而后打开E:\deep learning\caffe-master，在此路径下找到Makefile.config.example文件，复制粘贴一个副本，并将名字修改成Makefile.config，这时一样看到一个小扳手图标。如图所示，点进去修改两个地方：

第八行： CPU_ONLY := 1       去掉#，文件自己这句是用#注释掉了

第八十七行：WITH_PYTHON_LAYER := 1  去掉#，文件自己这句是用#注释掉了

(by the way,若是以为第多少行什么的不方便，建议用notepad++文本编辑器打开文件，如图能够显示行数) 修改后，保存、保存、保存。

打开caffe-master/windows/caffe.sln

在解决方案中找到libcaffe,右键点击“设为启动项目（A）”

在菜单栏找到调试—libcaffe属性，项目选择活动(released)、活动（x64）模式，修改libcaffe的C++常规设置，将警告视为错误选择否,如图所示。

 

设置完毕后便可开始编译了（若是只是为了跑通demo请先看三在libcaffe中添加三个文件），注意在联网状态下编译，这时会出现Nuget（第三方库）还原管理界面，结束后会在caffe-master的同级目录下生成一个NugetPackages的目录，装的是各类依赖库。

 

编译时间很长，耐心等待后没有报错就代表libcaffe编译完成了。而后在解决方案中找到pycaffe设为启动项目后进行上述相同的设置后编译。编译完成可能会报不少警告，只要不是错误就行了。

 

 

最后右键点击解决方案，点击从新生成解决方案，注意看是不是release模式

通过漫长的等待就会编译完毕，编译完成后，会获得一个bulid文件夹，若是你有图示的这些文件说明你上述编译成功了，注意看我下图的路径中的文件是否具有。

报错与解决：这块的报错我遇到过，通常会提醒某些格式错，用notepad++打开从新保存也许就能够解决了，主要是由于编码\n的问题。通常的错误百度基本都能找到解决办法。另外若是实在解决不了，那就按上述步骤从新编译一遍。

3、  faster-rcnn配置

配置参考连接：

http://blog.csdn.net/yueyuecsdn/article/details/53995383?winzoom=1

原本不打算把1、二分开写的，但考虑到任务不一样，有的用caffe框架的任务不须要下述操做，因此仍是分开写吧。若是是仅为了跑通py-faster-rcnn的demo.py能够在上述二中编译libcaffe前加入如下三个文件cu、cpp、hpp。

因为faster-rcnn中使用了roi-pooling-layer层，而微软版本编译时并未添加roi_pooling_layer，因此咱们须要将hpp头文件、cu文件和cpp文件手动加入到libcaffe中。

具体操做：在caffe.sln的解决方案中找到libcaffe它目录下的cu-layers右键点添加-现有项，在E:\deep learning\caffe-master\src\caffe\layers中找到roi_pooling_layer.cu点添加。一样地，在libcaffe它目录下的include-layers右键点添加-现有项，在E:\deep learning\caffe-master\include\caffe\layers 中找到roi_pooling_layer.hpp点添加。最后，在在libcaffe它目录下的src-layers右键点添加-现有项，在E:\deep learning\caffe-master\src\caffe\layers中找到roi_pooling_layer.cpp点添加。

添加完成后，按照二中的说明编译libcaffe、pycaffe以及整个解决方案。

 

按照上述2、三过程，运行demo.py所需的环境基本上已经搭好了。以上若是出现了什么错，能够尝试从新生成试下，从新生成以前能够在VS2013菜单栏找到生成-清理解决方案点击，有时就是这么奇怪，从新生成就行了。

4、  跑通demo.py

参考连接：

http://blog.csdn.net/yueyuecsdn/article/details/53995383?winzoom=1

http://blog.csdn.net/chenzhi1992/article/details/53374265

将刚才编译好的E:\deep learning\caffe-master\Build\x64\Release\pycaffe目录下的caffe文件夹拷到D:\Anaconda2\Lib\site-packages目录下。

cmd命令行中敲入命令如图所示，若是结果如图所示显示>>>，说明Python接口已经搭好了。

 

下载py-faster-rcnn-master,连接:https://github.com/rbgirshick/py-faster-rcnn，打开网址页面以下，右上角clone or download下点击download zip下载压缩包后解压到电脑上，打开文件会发现py-faster-rcnn-master的caffe-fast-rcnn文件是空的，因此须要再点进去单独下载caffe-fast-rcnn而后解压到caffe-fast-rcnn文件夹，如图。

下载连接：http://pan.baidu.com/s/1jHDFeNc 提取密码：lpbc

下载连接：http://pan.baidu.com/s/1c2tiKDU 提取密码：oal1

下载好py-faster-rcnn-master，用E:\deep learning\caffe-master\Build\x64\Release\pycaffe目录下的caffe文件夹替换E:\deep learning\py-faster-rcnn-master\caffe-fast-rcnn\python目录下的caffe文件夹。

 

编译E:\deep learning\py-faster-rcnn-master\lib\setup.py，但这个setup是不能直接编译的。我用的是rookie_cz从新整理好的newsetup.py和setup_cuda.py下载后放到lib下。

下载连接：http://pan.baidu.com/s/1c1Ugq7u 提取密码：2dis

具体操做为：首先在电脑中搜索cl.exe的路径，将其路径添加到环境变量中（添加环境变量步骤请百度）。cl.exe在VS2013路径下：D:\vs2013\VC\bin,如图我把该路径添加到path中。

若是没有将cl.exe路径添加到环境变量中，就会报下面这个错。

 

而后在cmd中直接cd到lib下面，执行 python newsetup.py install 和python setup_cuda.py install，如图。

 

可能执行过程当中会报错，以执行 python newsetup.py install为例，可能会出现如图所示的错误。

 

这时只须要接着报错error在cmd中敲SET VS90COMNTOOLS=%VS120COMNTOOLS% （若是用的是vs2013），敲完这句回车，继续敲python newsetup.py install，应该就没问题了。一样地，接着敲python setup_cuda.py install。执行这句可能会遇到下面这个错，只需下载一个lib文件夹来替换，用lib下的nms文件夹直接替换你的E:\deep learning\py-faster-rcnn-master\lib 目录下nms文件夹就好了，替换后从新python setup_cuda.py install。

下载连接：http://pan.baidu.com/s/1hrNm8te 提取密码：1ucz

两个py文件正确install的结果如图所示。

 

编译完成后，将通过上述编译两个py文件后产生的两个后缀为.pyd的文件在E:\deep learning\py-faster-rcnn-master\lib\build\lib.win-amd64-2.7\nms目录下复制拷到E:\deep learning\py-faster-rcnn-master\lib\nms中。（最佳的方法你直接用个人nms文件替换你的，能够省略不少步骤）

下载caffemodel（里面包括VGG网络和ZF网络训练好了的参数）解压到E:\deep learning\py-faster-rcnn-master\data目录下。

下载连接：http://pan.baidu.com/s/1kUYBIth 提取密码：qs85

以上过程可能会赶上我blog里未给出的错误，若是按照个人过程作，应该是不会遇到一些典型错误的，若是真的遇到有两种解决办法：一是百度，二是参考我给出的几条blog连接。

在跑demo以前还须要改几个地方防止它以gpu模式运行：

1.E:\deep learning\py-faster-rcnn-master\lib\fast_rcnn目录下nms_wrapper.py文件改为下面如图，主要是注释了几行，第九、1七、1八、19行。

 

2.E:\deep learning\py-faster-rcnn-master\tools目录下demo.py文件改为如图，注释了几个地方，另外作了部分修改。(建议能够直接替换我工程里的demo.py)

3.E:\deep learning\py-faster-rcnn-master\lib\rpn目录下proposal_layer.py文件修改第26行，将后面括号中的变量self.param_str_最后一个_去掉。

这里若是不改会报下面如图这个错。

E:\deep learning\py-faster-rcnn-master\lib\rpn目录下proposal_layer.py文件修改64—69行，改为我这个样子，恒定取值。若是以为麻烦能够去个人工程里直接替换这个文件，貌似这步我改复杂了，能够百度参考一些blog。

若是不做这步修改，可能出现如下如图错误。

 

4.E:\deep learning\py-faster-rcnn-master\lib\nms目录下cpu_nms.pyx修改第25行，我是把第25行注释了，因此是第26行。将np.int_t改为np.intp_t保存，仍是要以为不妥直接替换个人工程就好了。我我的强烈建议在前面就用我工程的nms文件来替换你的，这样关于nms文件夹内不少文件修改都不用作了。若是没有用个人nms文件夹替换，在修改cpu_nms.pyx文件后须要从新执行python newsetup.py install和python setup_cuda.py install

若是不做这步修改，可能会报如图如下错误。

 

这时若是上述操做没问题，就能够跑了，首先cmd中cd到demo.py所在的文件夹E:\deep learning\py-faster-rcnn-master\tools

 

加载过程会比较慢的，耐心等吧，并且特别伤cpu。

跑成功的截图如图所示：

 

结语：写这篇blog花了我几天时间，原本准备用CSDN发表博客，但用过CSDN的人应该清楚我不用它的缘由，由于有图CSDN插图太复杂。人生的第一篇blog教程，主要仍是为了让你们避免走弯路。你们若是以为有用，看完后心中默念：祝做者家庭幸福、学习进步、生活如意、爱情快来！ 哈哈，接受你们的祝福我会很happy的。