GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn
之前在一个不支持Cuda的电脑上配置了faster-rcnn，走了很多弯路，不过最终demo还是运行出来了。因为CPU运行速度太慢，故在支持GPU的电脑上重新配置。
经过两天坚持不懈，终于在Ubuntu14.04系统上将faster-rcnn 成功配置。过程中踩过无数个坑，遇到很多错误，幸运的是这些错误都解决了，因此撰写该博客记录faster-rcnn的配置过程，以及对配置过程中遇到的错误提供解决办法，避免今后再配置caffe时又踩坑。
电脑配置
- 系统：Ubuntu14.04
- GPU:NVIDIA GTX1080
安装caffe过程 参考博客：http://blog.csdn.net/xuzhongxiong/article/details/52717285 和http://blog.csdn.net/u012177034/article/details/52102676
1.安装相关依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install –no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2.安装NVIDIA驱动
（1）查询NVIDIA驱动
首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动：
图1.显卡驱动查询
例如本人电脑的显卡驱动如下图：
图2.显卡驱动版本
（2）安装驱动
安装之前先卸载已经存在的驱动版本：
sudo apt-get remove --purge nvidia*
若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：
sudo service lightdm stop
执行以下指令安装驱动：
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-367 #注意在这里指定自己的驱动版本！
安装完成之后输入以下指令进行验证：
sudo nvidia-smi
若列出了GPU的信息列表则表示驱动安装成功。
3.安装CUDA
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
（1）下载CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：
图3.CUDA下载
（2）安装CUDA
下载完成后执行以下命令：
sudo sh cuda_8.0.27_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误：
当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下：
以gcc4.9与g++4.9为例
安装低版本gcc与g++：
sudo apt-get install gcc-4.9 g++-4.9
之后进入/usr/bin:
cd /usr/bin
先删除和gcc5.0关联的gcc:
sudo rm
gcc
sudo rm g++
再建个软连接
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++
（3）环境变量配置
打开~/.bashrc文件：
sudo vim
~/.bashrc
将以下内容写入到~/.bashrc尾部：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${
PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${
LD_LIBRARY_PATH}}
（4）测试CUDA的sammples
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuerymakesudo
./deviceQuery
如果现实一些关于GPU的信息，则说明安装成功。
4.配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。 首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图：
图4.cuDNN下载 下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
再将cd进入lib64目录下的动态文件进行复制和链接：
sudo cp
lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接5.安装opencv3.1
使用完上面的命令后，依赖已经安装完毕，但是由于Ubuntu 14.04版本的原因，导致opencv相关的环境不能够正常的work。所以，我重新编译了一个OpenCV，版本为3.1.0。
在解压后的目录中执行：
bigtop@bigtop-SdcOS-Hypervisor:~/tools/opencv-3.1.0$ cmake -DBUILD_TIFF=ON
然后执行make 和make install
以上是我亲自试过的。。
从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。
安装前准备，创建编译文件夹：
cd ~/opencv
mkdir build
cd build
配置：
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local
..
编译：
make -j8
#-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
sudo make
install
可能会出现的错误：
错误内容1：
gcc-4.9: error trying to exec 'cc1plus': execvp:
没有那个文件或目录
说明gcc与g++版本不兼容，解决办法跟gcc版本太高时一样：
安装低版本gcc与g++：
sudo apt-get install gcc-4.9 g++-4.9
之后进入/usr/bin:
cd /usr/bin
先删除和gcc5.0关联的gcc:
sudo rm gcc
sudo rm g++
再建个软连接
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++
错误内容2：
modules/cudalegacy/src/graphcuts.cpp:120:54: error:
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState, Npp8u* pDeviceMem);
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：
修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：
图5.文件修改
6.配置caffe
（1）将终端cd到要安装caffe的位置。
（2）从github上获取caffe：
git clone https://github.com/BVLC/caffe.git
注意：若没有安装Git，需要先安装Git：
sudo apt-get
install git
（3）因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：
sudo cp Makefile.config.example Makefile.config
（4）打开并修改配置文件：
sudo gedit
Makefile.config #打开Makefile.config文件
根据个人情况修改文件：
a.若使用cudnn，则
将
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1
b.若使用的opencv版本是3的，则
将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 3
c.若要使用Python来编写layer，则
1配置python layers
#In your Makefile.config, make sure to have this line uncommented
WITH_PYTHON_LAYER := 1
# Unrelatedly, it's also recommended that you use CUDNN
USE_CUDNN := 1
2安装几个依赖cython, python-opencv, easydict
sudo apt-get install python-opencv
sudo pip install cython easydict
安装依赖库：
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearnpython-skimage python-h5py python-protobuf python-leveldb python-networkx python-nosepython-pandas python-gflags Cython ipython
$ sudo apt-get install protobuf-c-compiler protobuf-compiler
编译：
$ cd ~/caffe
$ make pycaffe
添加~/caffe/python到$PYTHONPATH：
$ sudo gedit /etc/profile
# 添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
$ source /etc/profile # 使之生效
测试是否可以引用： cd caffe/python
$ python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import caffe
>>>
在此过程中，可能会出现各种和python相关的包缺失问题，这里记录下，以便查询：
A》将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍：
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/caffe-fast-rcnn/python$ cat requirements.txt
Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4,<2
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0
执行如下命令：
for req in $(cat requirements.txt); do pip install $req; done
这里有一个小技巧，因为pip这个工具对应的网络非常的烂：
这个时候，可以将其改为国内的镜像网站，速度将提升几个数量级，方法如下：
新建~/.pip/pip.confg文件，内容如下：
[global]
index-url = http://pypi.douban.com/simple
trusted-host = pypi.douban.com
或者在安装一个软件包的时候使用-i选项：
在我安装requirements.txt中涉及的依赖包的过程中，发现matplotlib始终没有安装成功，最后采用apt-get的方式进行了安装，如下：
sudo apt-get install python-matplotlib
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1
d. 重要的一项 :
将# Whatever else you find you need goes here.下面的
- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
这是因为ubuntu14.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.
（5）修改makefile文件
打开makefile文件，做如下修改：
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
（6）编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉：
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
（7）编译
- 1
- 1
编译过程中可能会出现如下错误：
错误内容1：
- 1
- 1
解决办法：
step1:在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
错误内容2：
- 1
- 1
解决办法是将一些文件复制到/usr/local/lib文件夹下：
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
（8）测试
图6.caffe测试结果
到此caffe配置完毕！
MNIST数据集测试
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：
1.将终端定位到Caffe根目录
cd ~/caffe
2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh
3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
4.训练网络
./examples/mnist/train_lenet.sh
训练的时候可以看到损失与精度数值，如下图：
图7.MNIST数据集训练
可以看到最终训练精度是0.9914。
faster-rcnn提出论文： 《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》
faster-rcnn 的算法详解可看这篇博文（清晰易懂，良心博文！）：http://blog.csdn.net/shenxiaolu1984/article/details/51152614
faster-rcnn Python版本源码地址：https://github.com/rbgirshick/py-faster-rcnn
这篇文章主要介绍搭建用faster-rcnn进行目标检测所需的环境。参考博客地址：http://blog.csdn.net/u011070171/article/details/52399317
1.配置caffe所需的环境
上面已经配置完caffe环境：依赖库 修改Ｍakeconfig，opencv3.1，python
2.下载faster-rcnn python版本源码
- git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
3. 进入/py-faster-rcnn/lib 进行编译
- cd py-faster-rcnn/lib
- make
4.编译/py-faster-rcnn/caffe-fast-rcnn
- cd py-faster-rcnn/caffe-fast-rcnn
- cp Makefile.config.example Makefile.config
更改Makefile.config文件：
- # In your Makefile.config, make sure to have this line uncommented
- WITH_PYTHON_LAYER := 1
- # Unrelatedly, it's also recommended that you use CUDNN
- USE_CUDNN := 1
进行编译：
- make -j8 && make pycaffe
因为这个版本所用的cudnn为旧版本的，可能与新环境的cudnn不兼容，导致出现如下错误：
- In file included from ./include/caffe/util/cudnn.hpp:5:0,
- from ./include/caffe/util/device_alternate.hpp:40,
- from ./include/caffe/common.hpp:19,
- from ./include/caffe/util/db.hpp:6,
- from src/caffe/util/db.cpp:1:
- /usr/local/cuda/include/cudnn.h:803:27: note: declared here
- cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(
- ^
- make: *** [.build_release/src/caffe/util/db.o] Error 1
- make: *** Waiting for unfinished jobs....
解决办法：
1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.
2).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的，所有以cudnn开头的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
都替换成最新版的caffe里的相应的同名文件。
5.运行faster-rcnn里的demo
- cd py-faster-rcnn/tools
- ./tools/demo.py
如果还有问题
faster rcnn 代码默认是使用的cudnn v4, 但是为了体验最新的v5, 或者使用GTX1080 ,我们编译faster rcnn的时候就会报错：
In file included from ./include/caffe/util/cudnn.hpp:5:0,
from ./include/caffe/util/device_alternate.hpp:40,
from ./include/caffe/common.hpp:19,
from src/caffe/data_reader.cpp:6:
/usr/local/cuda/include/cudnn.h:799:27: note: declared here
cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(
为此提供2种解决方案：
（1）取自github @manipopopo
cd caffe-fast-rcnn Git remote add caffe https://github.com/BVLC/caffe.git git fetch caffe git merge caffe/master Remove self_.attr("phase") = static_cast(this->phase_); from include/caffe/layers/python_layer.hpp after merging.
（2）手动修改文件，参考了卜居大神的博客 http://blog.csdn.net/kkk584520/article/details/51163564
方案1简单方便，但是当我们编译的是其他人修改过得源码，可能就会出错。方案2 步骤如下：
1. 用最新caffe源码的以下文件替换掉faster rcnn 的对应文件
include/caffe/layers/cudnn_relu_layer.hpp, src/caffe/layers/cudnn_relu_layer.cpp, src/caffe/layers/cudnn_relu_layer.cu
include/caffe/layers/cudnn_sigmoid_layer.hpp, src/caffe/layers/cudnn_sigmoid_layer.cpp, src/caffe/layers/cudnn_sigmoid_layer.cu
include/caffe/layers/cudnn_tanh_layer.hpp, src/caffe/layers/cudnn_tanh_layer.cpp, src/caffe/layers/cudnn_tanh_layer.cu
2. 用caffe源码中的这个文件替换掉faster rcnn 对应文件
include/caffe/util/cudnn.hpp
3. 将 faster rcnn 中的 src/caffe/layers/cudnn_conv_layer.cu 文件中的所有
cudnnConvolutionBackwardData_v3 函数名替换为 cudnnConvolutionBackwardData
cudnnConvolutionBackwardFilter_v3函数名替换为 cudnnConvolutionBackwardFilter
问题二：opencv环境和caffe-fast-rcnn默认的Makefile配置有点小问题，cv::imread(cv:: String const&, int)找不到：
解决方案：
在一切都正常的情况下，对caffe-fast-rcnn进行make和make pycaffe的结果如下：
编译好caffe-fast-rcnn后，在py-faster-rcnn/lib中执行make命令：
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$ make
python setup.py build_ext --inplace
running build_ext
skipping 'utils/bbox.c' Cython extension (up-to-date)
skipping 'nms/cpu_nms.c' Cython extension (up-to-date)
skipping 'pycocotools/_mask.c' Cython extension (up-to-date)
rm -rf build
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$
问题三：
No module named skimage.io:
问题四：
下面这个问题是因为缺少，easydict,使用 sudo pip install easydict可以解决：
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ python demo.py --cpu
Traceback (most recent call last):
File "demo.py", line 17, in
from fast_rcnn.config import cfg
File "/home/bigtop/py-faster-rcnn/tools/../lib/fast_rcnn/config.py", line 23, in
from easydict import EasyDict as edict
ImportError: No module named easydict
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ sudo pip install easydict
Downloading/unpacking easydict
Downloading easydict-1.6.zip
Running setup.py (path:/tmp/pip_build_root/easydict/setup.py) egg_info for package easydict
Installing collected packages: easydict
Running setup.py install for easydict
Could not find .egg-info directory in install record for easydict
Successfully installed easydict
Cleaning up...
sudo pip install easydict
问题五：
这个问题是因为scipy安装出现问题，将其删掉：rm -fr /tmp/pip_build_root/scipy/，然后重新安装可以解决：
d --compile failed with error code 1 in /tmp/pip_build_root/scipy
Traceback (most recent call last):
File "/usr/bin/pip", line 9, in
load_entry_point('pip==1.5.4', 'console_scripts', 'pip')()
File "/usr/lib/python2.7/dist-packages/pip/__init__.py", line 235, in main
return command.main(cmd_args)
File "/usr/lib/python2.7/dist-packages/pip/basecommand.py", line 161, in main
text = '\n'.join(complete_log)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 98: ordinal not in range(128)
问题六：
报下面这个错误，是因为caffe的环境都没有准备好，很有可能是没有执行make pycaffe:
Traceback (most recent call last):
File "detector.py", line 29, in
import caffe
File "/python/caffe/__init__.py", line 1, in
from .pycaffe import Net
File "/caffe/pycaffe.py", line 6, in
from ._caffe import CaffeNet
ImportError: No module named _caffe
问题七：
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
这个就是上文中提到的，使用ubuntu自带的opencv库会出现的问题，解决办法就是重新编译opencv。
问题八：
ImportError: No module named yaml
problem : I got the "ImportError: No module named yaml " error when I attempted to install NLTK toolkit to my ubuntu system.
solution:
yaml library for python seems to not be installed on your system.
On ubuntu system just do a :
sudo apt-get install python-yaml
On windows
easy_install python-yaml
easy_install rosinstall