Faster RCNN CPU模式下进行训练

一、首先参照博客http://blog.csdn.net/qq_14975217/article/details/51495844

对py-faster-rcnn内的roi_pooling_layer和smooth_L1_loss_layer进行替换并重新编译，编译过程参考https://github.com/neuleaf/faster-rcnn-cpu  和  http://www.cnblogs.com/justinzhang/p/5386837.html

二、修改相关文件

训练过程参考：http://www.cnblogs.com/CarryPotMan/p/5390336.html

http://blog.csdn.net/sinat_30071459/article/details/51332084

1）下载VOC2007数据集

提供一个百度云地址：http://pan.baidu.com/s/1mhMKKw4

解压，然后，将该数据集放在py-faster-rcnn\data下，用你的数据集替换VOC2007数据集。（替换Annotations，ImageSets和JPEGImages）

（用你的Annotations，ImagesSets和JPEGImages替换py-faster-rcnn\data\VOCdevkit2007\VOC2007中对应文件夹）

2）下载ImageNet数据集下预训练得到的模型参数（用来初始化）

提供一个百度云地址：http://pan.baidu.com/s/1hsxx8OW

解压，然后将该文件放在py-faster-rcnn\data下

下面是训练前的一些修改。

3）如果是训练自己的数据集还需要对配置文件做一些修改，本文完全用的VOC的数据集，所以没有做修改，在接下来训练自己的数据集的时候会再重新写一篇教程

4）为防止与之前的模型搞混,训练前把output文件夹删除（或改个其他名），还要把py-faster-rcnn/data/cache中的文件和

py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除（如果有的话）。

至于学习率等之类的设置，可在py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置，迭代次数可在py-faster-rcnn\tools的train_faster_rcnn_alt_opt.py中修改：

1. max_iters = [80000, 40000, 80000, 40000]  

分别为4个阶段（rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段）的迭代次数。可改成你希望的迭代次数。如果改了这些数值，最好把py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt里对应的solver文件（有4个）也修改，stepsize小于上面修改的数值。

5）开始训练，按照教程输入

1. ./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc

会出现错误的情况：

找不到相应的目录，找了半天的错误也没法解决问题，查看faster_rcnn_alt_opt.sh的内容发现是启动

1. ./tools/train_faster_rcnn_alt_opt.py

并给train_faster_rcnn_alt_opt.py传递参数，所以放弃脚本启动的方式，直接在终端输入以下 的命令进行启动

1. cd /home/wjx/py-faster-rcnn/tools
2. python train_faster_rcnn_alt_opt.py --gpu 0 --net_name ZF --weights /home/wjx/py-faster-rcnn/data/imagenet_models/ZF.v2.caffemodel --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml --imdb voc_2007_trainval

出现下面的错误：在cpu only 模式下无法用GPU进行训练

解决方案：打开train_faster_rcnn_alt_opt.py,可以看到定义输入参数的函数，把第34,35,36定以GPU模式训练的部分注释掉，如下面黄色的部分。

1. def parse_args():
2.    """
3.    Parse input arguments
4.    """
5.    parser = argparse.ArgumentParser(description='Train a Faster R-CNN network')
6.    #parser.add_argument('--gpu', dest='gpu_id',
7. #                    help='GPU device id to use [0]',
8. #                    default=0, type=int)
9.    parser.add_argument('--net_name', dest='net_name',
10.                        help='network name (e.g., "ZF")',
11.                        default=None, type=str)
12.    parser.add_argument('--weights', dest='pretrained_model',
13.                        help='initialize with pretrained model weights',
14.                        default=None, type=str)
15.    parser.add_argument('--cfg', dest='cfg_file',
16.                        help='optional config file',
17.                        default=None, type=str)
18.    parser.add_argument('--imdb', dest='imdb_name',
19.                        help='dataset to train on',
20.                        default='voc_2007_trainval', type=str)
21.    parser.add_argument('--set', dest='set_cfgs',
22.                        help='set config keys', default=None,
23.                        nargs=argparse.REMAINDER)

重新开始训练，输入下面的指令：

1. python train_faster_rcnn_alt_opt.py --net_name ZF --weights /home/wjx/py-faster-rcnn/data/imagenet_models/ZF.v2.caffemodel --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml --imdb voc_2007_trainval

出现下面的问题：

由于注释掉gpu参数部分，所以下面的程序中出现gpu_id会出现错误，所以把train_faster_rcnn_alt_opt.py第214行注释掉

重新开始训练，出现下面的错误：

和上面的错误一样，cpu模式的问题，解决方法：将sh文件里面关于gpu_id的都注释掉。

然后，将train_faster_rcnn_alt_opt.py文件第103行caffe.set_mode_gpu()改为caffe.set_mode_cpu(),才能进行训练

除此之外，如果用alt-opt方式进行训练，需要进入/home/wjx/py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt文件夹下将四个solver文件夹里里面涉及路径的改到绝对路径，否则会报错，如下：

前面提到faster_rcnn_alt_opt.sh无法启动训练，后修改成如下的代码可以进行训练：

1. #!/bin/bash
2. # Usage:
3. # ./experiments/scripts/faster_rcnn_alt_opt.sh GPU NET DATASET [options args to {train,test}_net.py]
4. # DATASET is only pascal_voc for now
5. #
6. # Example:
7. # ./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG_CNN_M_1024 pascal_voc \
8. #   --set EXP_DIR foobar RNG_SEED 42 TRAIN.SCALES "[400, 500, 600, 700]"
10. set -x
11. set -e
13. export PYTHONUNBUFFERED="True"
15. GPU_ID=$1
16. NET=$2
17. NET_lc=${NET,,}
18. DATASET=$3
20. array=( $@ )
21. len=${#array[@]}
22. EXTRA_ARGS=${array[@]:3:$len}
23. EXTRA_ARGS_SLUG=${EXTRA_ARGS// /_}
25. case $DATASET in
26.  pascal_voc)
27.    TRAIN_IMDB="voc_2007_trainval"
28.    TEST_IMDB="voc_2007_test"
29.    PT_DIR="pascal_voc"
30.    ITERS=40000
31.    ;;
32.  coco)
33.    echo "Not implemented: use experiments/scripts/faster_rcnn_end2end.sh for coco"
34.    exit
35.    ;;
36.  *)
37.    echo "No dataset given"
38.    exit
39.    ;;
40. esac
42. LOG="/home/wjx/py-faster-rcnn/experiments/logs/faster_rcnn_alt_opt_${NET}_${EXTRA_ARGS_SLUG}.txt.`date +'%Y-%m-%d_%H-%M-%S'`"
43. exec &> >(tee -a "$LOG")
44. echo Logging output to "$LOG"
46. #time ./tools/train_faster_rcnn_alt_opt.py --gpu ${GPU_ID} \
47. time cd /home/wjx/py-faster-rcnn/tools/
48. python train_faster_rcnn_alt_opt.py --net_name ${NET} \
49.  --weights /home/wjx/py-faster-rcnn/data/imagenet_models/${NET}.v2.caffemodel \
50.  --imdb ${TRAIN_IMDB} \
51.  --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml \
52.  ${EXTRA_ARGS}
54. set +x
55. NET_FINAL=`grep "Final model:" ${LOG} | awk '{print $3}'`
56. set -x
58. time cd /home/wjx/py-faster-rcnn/tools/
59. test_net.py --def /home/wjx/py-faster-rcnn/models/${PT_DIR}/${NET}/faster_rcnn_alt_opt/faster_rcnn_test.pt \
60.  --net ${NET_FINAL} \
61.  --imdb ${TEST_IMDB} \
62.  --cfg /home/wjx/py-faster-rcnn/experiments/cfgs/faster_rcnn_alt_opt.yml \
63.  ${EXTRA_ARGS}

启动训练输入以下的代码：

1. ./faster_rcnn_alt_opt.sh 0 ZF pascal_voc

说明：

一、第一个参数实际的意义是GPU的编号，但是在CPU的模式下进行训练的话此参数没有任何意义，因为关于gpu_id的代码已经在上面注释掉了。

二、原始参数在CPU下进行训练会出现下面的情况，loss=-nan

可能的原因分析：按GPU的学习率在CPU上进行训练，CPU的速度可能跟不上

解决方法：把/home/wjx/py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt文件夹下将四个solver文件里面的base_lr由0.001调小一点，调节成0.0001后开始训练，不会出现上面的问题。参考：http://blog.csdn.net/kuaitoukid/article/details/42120961

最后，训练好的模型会保存在～/py-faster-rcnn/output/文件夹下