从环境搭建起，Faster-RCNN-TensorFlow-CPU-Ubuntu下运行demo

参考源代码GitHub：https://github.com/endernewton/tf-faster-rcnn

环境：

VirtualBox6.0+Ubuntu16.0

Anaconda3-2018-Linux+Python35+TensorFlow1.8.0

链接：

https://download.virtualbox.org/virtualbox/6.0.16/

http://releases.ubuntu.com/16.04/

https://repo.anaconda.com/archive/

安装步骤：

1. xshell/xftp连接Ubuntu以及设置静态IP，可以参考我的这篇博文：xshell/xftp连接Ubuntu以及设置静态IP；

2. 修改Ubuntu的镜像源

根据Ubuntu版本选择镜像源（清华大学），地址：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/，然后复制框内镜像源以替换Ubuntu自带的镜像源。

1）备份自带镜像源文件：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup

2）编辑文件：sudo vim /etc/apt/sources.list，替换成刚才复制的镜像源保存并退出；

3）更新：sudo apt-get update。

3. 配置环境

1）将anaconda安装包传到Ubuntu里,打开安装包所在目录，执行命令安装：bash Anaconda3-5.0.1-Linux-x86_64.sh
一路回车，然后yes，记住安装位置以便设置Python环境，激活：source ~/.bashrc 

2）创建Python35的环境，命令行：conda create -n tf python=3.5

激活环境：source activate tf

3）安装TensorFlow

命令行：pip install --upgrade --ignore-installed  --upgrade tensorflow==1.8.0

PS：另一种直接在Ubuntu上安装TensorFlow的方法：

（1）Ubuntu自带Python2和Python3.5的包，首先设置Python3为默认：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
输入python，会出现python3.5

参考博文：https://blog.csdn.net/qq_33392383/article/details/86549971

（2）下载TensorFlow的清华镜像到本地：https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/

然后上传，进入到包所在的目录，输入命令安装：sudo pip3 install xx.whl

 4）安装所需的包

pip install cython

pip install opencv-python

pip install easydict==1.6

pip install pillow（跑demo时发现缺少这个包，所以需要的话可以提前下下来）

4. 修改配置文件

1）从GitHub下载项目和数据（我是下载到Windows上然后传输的）

git clone https://github.com/endernewton/tf-faster-rcnn.git
2）修改配置文件

因为我的电脑没有GPU，所以需要注释掉项目中用到GPU的地方，参考的这篇博文

Faster R-CNN tensorflow版本，cpu下运行demo

主要是lib/model/nms_wrapper.py和lib/setup.py文件。

5. 运行demo

1）到tf-faster-rcnn/lib下编译Cython 模块：

make clean

make

cd ..

 2）安装Python COCO API：

cd data

git clone https://github.com/pdollar/coco.git

cd coco/PythonAPI

make

cd ../../..

3）下载预训练模型

百度网盘链接：链接：https://pan.baidu.com/s/1a9xm9AfPlXrgfou2M4vZ8g 提取码：7z7e 

下载后保存到data目录下，解压：tar xvf voc_0712_80k-110k.tgz

解压得到voc_2007_trainval+voc_2012_trainval文件夹。

4）建立预训练模型的软连接

NET=res101

TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval

mkdir -p output/${NET}/${TRAIN_IMDB}

cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../voc_2007_trainval+voc_2012_trainval ./default

cd ../../..

5）运行demo

转到demo目录下../tools/demo

执行命令：python demo.py

得到demo的运行结果：

参考博文：

https://blog.csdn.net/sinat_33486980/article/details/81045315

https://www.jianshu.com/p/448b3b93184b

https://www.jianshu.com/p/dda97b547f95

https://blog.csdn.net/chenzhenyu123456/article/details/81567789