Ubuntu 16.04下Caffe-SSD的应用（一）——编译Caffe-SSD的CPU版本与GPU版本

前言

1.之前用过Caffe的GooglNet做图像分类的相关项目，比起传统的办法，效果要好很多，在目标检测这块，之前也用传统的HOG加SVM实现过车辆，行人和马匹的检测，但正样本要上万张图像，才达到能应用到项目上的准确率。
2.Caffe-SDD微软的一个深度学习框架，SSD全称：Single Shot MultiBox Detector 是目前为止主要的目标检测算法。接下来我会把Caffe-SSD的编译配置、标注图像、训练自己模型、在项目中使用自己的整个流程写下来。
3.我配置的环境是Ubuntu 16.04 LST 64位，Qt5.9，Python2.7,如果只跑CPU版本，就不用配置CUDA库。
4.要使用GPU加速的话，就要安装显卡驱动与cuda,cudnn，是于安装办法请参考我后面给的教程。显卡：https://blog.csdn.net/matt45m/article/details/90247294 ，cuda与cudnn:https://blog.csdn.net/matt45m/article/details/90298040 。

一、环境配置

1.编译前的预操作

sudo apt-get update  #更新软件列表
sudo apt-get upgrade  #更新软件依赖包
sudo apt-get install build-essential #编译工具，通常已安装
sudo apt-get install cmake #安装cmake
sudo apt-get install  git #安装git
sudo apt-get install pkg-config #编译辅助工具，

2.前置依赖包

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev #安装gflags和glog依赖包
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 libatlas-base-dev #ATLAS是线性代数库

3.配置python
(1)安装python相关库

sudo apt-get install python-pip #安装pip
sudo apt-get install python-dev
cat python/requirements.txt | xargs -L 1 sudo pip install

（2）添加软链接

sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7
sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy

4.获取caffe-ssd版本
（1）下载caffe

mkdir caffe
cd caffe
git clone https://github.com/weiliu89/caffe.git

开始下载caffe

（2）在当前目录ls会看到caffe这个文件夹，切换到caffe目录

更改文件夹名为caffe-sss

mv caffe caffe_ssd

切换到caffe-ssd目录

cd caffe_ssd

(3)切换到SSD分支

git checkout ssd

如果出现：Branch ssd set up to track remote branch ssd from origin.
Switched to a new branch ‘ssd’，或者“分支"代表成功。

5.更改配置文件Makefile.config

cp Makefile.config.example Makefile.config  #复制配置文件并把后缀去掉
vim Makefile.config  #用vim打开配置文件

如果用不习惯vim,可以换成gedit打开配置文件

gedit Makefile.config

（1）打开后，如果只使用CPU,把CPU_ONLY:=1打开。

只用cpu更改

#CPU_ONLY:=1

去掉#改成

CPU_ONLY:=1

（2）如果使用GPU,把USE_CUDNN打开。

（3）更改python 相关的路径

PYTHON_INCLUDE := /usr/include/python2.7 \
		/usr/lib/python2.7/dist-packages/numpy/core/include

把前面的那句用#号注示掉，加上下面这句

PYTHON_INCLUDE := /usr/include/python2.7 \
		/usr/local/lib/python2.7/dist-packages/numpy/core/include

（4）加入hdf5的目录

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

修改为：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

6.修改Makefile文件（注意与下面文件的区别）

打开Makefile文件，这里没有后缀

gedit Makefile

找到：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem boost_regex m hdf5_hl hdf5

改为：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

找到：

NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

改成

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

找到：

LIBRARIES += boost_thread stdc++

修改为：

LIBRARIES += boost_thread stdc++ boost_regex

二、编译Caffe-SSD

1.编译caffe caffe
(1)开始编译，切换到caffe-ssd目录,make all -j8后面j8是说明使用8个线程一起编译，这样速度会快一些，如是计算机配置不好，只输入make all 就行了，下面有j8的命令是一样的。

cd caffe-ssd
make all -j8

（2）编译过程中报错

AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: 找不到 -lopenblas
collect2: error: ld returned 1 exit status
Makefile:574: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1

解决方法：

sudo apt-get install liblapack-dev liblapack3 libopenblas-base libopenblas-dev

然后清除重新编译：

make clean 
make all -j8

没有报错

（3）继续编译

make test -j8
make runtest -j8

（4）编译pycaffe

make pycaffe -j8

CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpp
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录
compilation terminated.
Makefile:504: recipe for target 'python/caffe/_caffe.so' failed
make: *** [python/caffe/_caffe.so] Error 1

这个我在前面装过，但提示没有，一种可能是路径不对，查看路径

python
import numpy as np  
np.get_include()  

可以看到安装的路径

去Makefile.config文件把对应的路径改成显示出来的这个。
（5）检验python中import caffe是否报错：

python
import caffe

（6）如果报如下错误

Traceback (most recent call last):
  File "", line 1, in 
ImportError: No module named caffe

解决办法：
把环境变量路径放到 ~/.bashrc文件中,打开文件（注意，这时还是当时caffe编译的路径，不用切换）

sudo gedit ~/.bashrc 

在文件下方写入，保存退出。

export PYTHONPATH=/home/*XXXX* /caffe/python:$PYTHONPATH  #其中XXXX为你的用户名

在终端写入下面语句，使环境变量生效。

source ~/.bashrc 

（7）继续输入import caffe如果报以下错误

Traceback (most recent call last):
  File "", line 1, in 
  File "/home/matt/caffe-ssd/python/caffe/__init__.py", line 1, in 
    from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver
  File "/home/matt/caffe-ssd/python/caffe/pycaffe.py", line 15, in 
    import caffe.io
  File "/home/matt/caffe-ssd/python/caffe/io.py", line 2, in 
    import skimage.io
ImportError: No module named skimage.io

在终端输入：

sudo apt-get install python-skimage

（8）报以下错误

Traceback (most recent call last):
  File "", line 1, in 
  File "/home/linux/caffe/caffe_ssd/python/caffe/__init__.py", line 1, in 
    from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver
  File "/home/linux/caffe/caffe_ssd/python/caffe/pycaffe.py", line 15, in 
    import caffe.io
  File "/home/linux/caffe/caffe_ssd/python/caffe/io.py", line 8, in 
    from caffe.proto import caffe_pb2
  File "/home/linux/caffe/caffe_ssd/python/caffe/proto/caffe_pb2.py", line 6, in 
    from google.protobuf.internal import enum_type_wrapper
ImportError: No module named google.protobuf.internal

在终端输入

sudo apt-get install python-protobuf

（8）如果没有报错，Caffe-SSD配置完成。

结语

1.以上Caffe-SSD在Ubuntu下配置完成，之后就是如何应用Caffe-SSD做相关的训练和学习了。
2.关于Caffe-SSD配置遇到的问题，都可以加这个群(487350510)互相讨论学习。