tensorflow版本Faster R-CNN环境搭建和运行（代码、数据、模型齐全）

最近在做物体检测，想在自己电脑上跑一下Faster RCNN，从搭建环境到改代码再到出结果，过程真的踩过太多太多的坑了，要哭惹~~~
看多了Error，都快忘记Successful长啥样了…还好我没放弃，今天终于跑通了，从网上找了几张图片demo了一下。

下面从头到尾顺一下过程，致敬这些天踩过的坑。

1、环境搭建

首先说一下Faster rcnn有cpu和gpu两种版本，如果你没有gpu服务器或者只是想在自己电脑上复现一下代码那就用cpu版本。可以在windows和linux两种系统里运行。
一开始我是在window10系统里跑程序，环境代码都改好了，但最后编译总是出问题，于是转战虚拟机Ubuntu系统。

• 虚拟机VMware Workstation 链接（下载下来里面有秘钥，我的电脑这个版本打不开，更新后使用的非商业版本，也还可以）
• Ubuntu 16.4 链接
• tensorflow=1.8（开始用的2.XX版本，后期遇到错误降低版本后运行成功）
• ubuntu自带python，不需要安装
• anaconda3 4.2.0版本默认有python 官网下载就可以（看了很多大佬说faster rcnn在3.5版本下运行，所以一直用的3.5，没尝试别的版本）
• 其余安装包cython、easydict、opencv-python自行用pip安装就好
• faster RCNN 源码准备好 链接：https://pan.baidu.com/s/1XhXQDBZOZf9TmvGrQxTeIQ 提取码：ow21
• 训练模型准备好 链接：链接：https://pan.baidu.com/s/1moQZrGjH561AEIfMquEhhA 提取码：a6s3
• coco数据集准备好 链接：链接：https://pan.baidu.com/s/1aKsTG5zAPFqEkmfWfsdMGg 提取码：iq7y

2、安装

1.关于虚拟机和Ubuntu系统的安装可以参考这个链接，博主写的挺详细的：https://blog.csdn.net/katrina_ali/article/details/79177288

2.anaconda3-4.2.0安装

• 从官网下载下来安装包后放到虚拟机里，键入下面命令

bash Anaconda3-4.2.0-Linux-x86_64.sh

• 一路enter，默认yes，最后问是否加入PATH，默认no就行，安装完成手动加入就好。
• 为配置文件bashrc加入anaconda路径

    vi ~/.bashrc

• 在最后加入下方第一行代码，‘:wq’保存

  export PATH="/home/anmeng/anaconda3/bin:$PATH"（注意是你anaconda3所在的路径）

• 输入source命令使配置生效，重启终端就OK了

  source ~/.bashrc

3.创建虚拟环境

• 创建一个python3.5版本的虚拟环境，在该环境里安装需要的依赖包

conda create -n tensorflow python=3.5

• 在这里我踩过一个大坑，就是怎么都创建不了，出现CondaHTTPError错误，如果遇到这个错误首先检查自己的网络是否链接好，用命令行将链接换成清华的镜像链接（该命令自动将.condarc中的镜像换成清华镜像）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

• 这样基本能创建成功了。不过还有人反应问题还是解决不了，我从网上、论坛看到有人分享经验，说进入.condarc配置文件将defaults删掉就可以，大家试一下，还有人说链接还是不行的话可以将https改正http试一下（我是删掉defaults就创建成功了）

• 输入下方命令查看创建的环境、激活环境

conda env list

activate tensorflow

• 在该环境中导入tensorflow、cython、easydict等安装包，默认的tensorflow是从外网下载，速度很慢，可以用国内镜像代替，tensorflow的安装、卸载以及遇到的问题可以参考这个博文：https://blog.csdn.net/weixin_43981560/article/details/104680233

pip install  tensorflow

• 如果很多依赖包版本不同，那就强制安装tensorflow

pip install --ignore-installed --upgrade tensorflow

• 安装其他依赖包（如果pip版本低就升级，按照提示要求来）

pip install cython 
pip install python-opencv 
pip install easydict

• 环境到这儿基本就配好了，接下来开始改代码

3、代码

• lib/model/config.py将GPU禁用
  
• lib/model/nms_wrapper.py将下面两行注释掉
  
• setup.py文件中将下面两行还有标注的代码注释掉，

CUDA=locate_cuda()

self.set_executable('compile_so',CUDA['nvcc'])

• 改完代码进到lib文件下进行编译（前提装好cython文件）

make clean
make

• 回到tf-faster-rcnn-master目录底下，将下载的cocoapi-master数据集和预训练模型voc_2007_trainval+voc_2012_trainval放到data目录下

cd cocoapi-master/PythonAPI
make

• 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 ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

• 这时文件夹里会出现四个模型。就要成功了！！！！

• 继续下面两行命令，对data里的五张图片进行测试（没出问题的到这应该就可以了，有问题的继续看下面的坑）

GPU_ID=0
CUDA_VISIBLE_DEVICES=${GPU_ID} ./tools/demo.py

• 我在做这一步又遇到了一个大坑！出现了下面三个Error！提示什么libnvinfer.so.6等好几个包找不到模型找不到。。。到这最后一步我真的快要崩溃了

1、ImportError: libnvinfer.so.6: cannot open shared object file: No such file or directory
2、Cannot dlopen some TensorRT libraries.if you would like to use Nvidia GPU with TensorRT,please make sure the missing libraries mentioned above are installed properly.
3、undefined symbol: _Py_ZeroStruct

• 查了好多资料，很多人说是用tensorrt，于是去官网下载下来，链接（比较麻烦、要注册认证，还有我原本下载的7.XX版本，奈何最后还是不行提示需要6.XX版本，所以最好下载6.XX版本）

• 解压完，添加路径，再source一下

vi ~/.bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/anmeng/desktop/TensorRT-6.0.1.8/lib
source ~/.bashrc

• 最后的最后如果还出错，看看是不是tensorrtflow版本高了，可以降低一下版本
  

• 好了，到这几乎所有的坑都踩过了，该successful了
  

• 现在结果出来了，但看到上图有Warning，提示超出内存，所以还是在perfect一下更好~~~

• 很简单，去config.py里把batch_size改小一点就可以

__C.TRAIN.BATCH_SIZE = 64

__C.TRAIN.RPN_BATCHSIZE = 128

• 最后上图，perfect~~~
  参考链接：
  https://blog.csdn.net/char_QwQ/article/details/80980505?utm_source=blogxgwz0
  https://blog.csdn.net/sinat_33486980/article/details/81045315

好啦，完整的Faster RCNN运行出来了，过几天再出一个跑自己数据哒博文~