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