1. /tools/train_net.py ( Faster-RCNN_TF代码解读)

1. /tools/train_net.py

我用的Faster-RCNN是tensorflow版本，github地址：Faster-RCNN_TF

代码运行是从train_net.py进入的。

调用函数链接：

1. imdb = get_imdb(args.imdb_name)中的get_imdb函数在/lib/datasets/factor.py中。
2. roidb = get_training_roidb(imdb)中的get_training_roidb函数在train.py中。
3. network = get_network(xxxxx)中的get_network函数在/lib/networks/factory.py中。
4. train_net(xxxxx)中的train_net在函数/lib/fast_rcnn/train.py中。

代码解读：

#!/usr/bin/env python

# --------------------------------------------------------
# Fast R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------

"""Train a Fast R-CNN network on a region of interest database."""

import _init_paths
from fast_rcnn.train import get_training_roidb, train_net
from fast_rcnn.config import cfg,cfg_from_file, cfg_from_list, get_output_dir
from datasets.factory import get_imdb
from networks.factory import get_network
import argparse
import pprint
import numpy as np
import sys
import pdb
#设置参数，dest为目标，可通过args.XXX来访问
#通过命令行调用/experiments/scripts/faster_rcnn_end2end.sh，就是在设置参数
def parse_args():
    """
    Parse input arguments
    """
    parser = argparse.ArgumentParser(description='Train a Fast R-CNN network')
    parser.add_argument('--device', dest='device', help='device to use',
                        default='cpu', type=str)
    parser.add_argument('--device_id', dest='device_id', help='device id to use',
                        default=0, type=int)
    parser.add_argument('--solver', dest='solver',
                        help='solver prototxt',
                        default=None, type=str)
    parser.add_argument('--iters', dest='max_iters',
                        help='number of iterations to train',
                        default=70000, type=int)
    parser.add_argument('--weights', dest='pretrained_model',
                        help='initialize with pretrained model weights',
                        default=None, type=str)
    parser.add_argument('--cfg', dest='cfg_file',
                        help='optional config file',
                        default=None, type=str)
    parser.add_argument('--imdb', dest='imdb_name',
                        help='dataset to train on',
                        default='kitti_train', type=str)
    parser.add_argument('--rand', dest='randomize',
                        help='randomize (do not use a fixed seed)',
                        action='store_true')
    parser.add_argument('--network', dest='network_name',
                        help='name of the network',
                        default=None, type=str)
    parser.add_argument('--set', dest='set_cfgs',
                        help='set config keys', default=None,
                        nargs=argparse.REMAINDER)
    #如果sys.argv长度为1,则说明没有参数传入，系统会退出
    if len(sys.argv) == 1:
        parser.print_help()
        sys.exit(1)

    args = parser.parse_args()
    return args

if __name__ == '__main__':
    args = parse_args()

    print('Called with args:')
    print(args)
    #如果还有其他配置文件，就加载
    if args.cfg_file is not None:
        cfg_from_file(args.cfg_file)
    if args.set_cfgs is not None:
        cfg_from_list(args.set_cfgs)

    print('Using config:')
    #已知类型的前提下，可以使用pprint来标准打印
    pprint.pprint(cfg)

    if not args.randomize:
        # fix the random seeds (numpy and caffe) for reproducibility
        np.random.seed(cfg.RNG_SEED)
    #imdb为存在一个字典(easydict)里的pascal_voc类的一个对象，e.g.{voc_2007_train:内容，voc_2007_val:内容，voc_2007_test:内容,voc_2007_test:内容,voc_2012_train:内容...}
    #内容里有该类里的各种self名称与操作，包括roi信息等等
    #get_imdb函数在/lib/datasets/factory.py中:
    #[factor.py](https://blog.csdn.net/u014256231/article/details/79696391)
    imdb = get_imdb(args.imdb_name)
    print 'Loaded dataset `{:s}` for training'.format(imdb.name)
    #get_training_roidb函数其实就是将所有的bbox水平翻转一次，然后返回训练需要用的roidb
    #这是一个列表，列表中存的是各个图片的字典，字典中存roi信息，字典引索为图片引索
    #get_training_roidb函数在/lib/fast_rcnn/train.py中
    #[train.py](https://blog.csdn.net/u014256231/article/details/79696680)
    roidb = get_training_roidb(imdb)
    #输出路径
    output_dir = get_output_dir(imdb, None)
    print 'Output will be saved to `{:s}`'.format(output_dir)
    #/(args.device)(args.device_id)
    device_name = '/{}:{:d}'.format(args.device,args.device_id)
    print device_name
    #得到网络结构，参数（包括rpn）
    #get_network在函数/lib/networks/factory.py中，
    #[factory.py](https://blog.csdn.net/u014256231/article/details/79696984)
    network = get_network(args.network_name)
    print 'Use network `{:s}` in training'.format(args.network_name)
    #train_net在函数/lib/fast_rcnn/train.py中，
    #[train.py](https://blog.csdn.net/u014256231/article/details/79696680)
    train_net(network, imdb, roidb, output_dir,
              pretrained_model=args.pretrained_model,
              max_iters=args.max_iters)