深度学习之windows python faster rcnn 配置及demo运行

• 1 系统环境

windows 10 X64
VS2013
GTX1060
CUDA8.0
cudnn5.0
Miniconda X64 for python 2.7
opencv3.0

• 
  
• 2安装环境

参考我上面一篇博客，caffe已经配置好了，并自己生成了release版本的库文件，配置faster rcnn来检测运动目标，刚开始配置这玩意儿时我没有安装Miniconda 然后我就直接配，配的过程中会遇见很多少包的情况，最恶心的是有的包在windows下面是根本安装不了，所以配置faster rcnn最好还是安装一个miniconda或者其他的andaconda等。
Miniconda 安装，本片文章涉及到的软件都在最下面提供，Miniconda这个官网资源是非常的差，费了很大的劲才下载好，所以都免费给大家提供。
Miniconda安装没什么好说的，傻瓜式的

• 

把这两个都给勾上就行了，会自动配置系统环境以及python，这个安装的路径我是选择的D:/Miniconda的目录，放在其他盘也行。然后在cmd命令提示里面输入 conda ，如果不提示找不到conda命令就说明安装成功，环境配置成功
安装完成后开始下载faster rcnn所需的依赖包
conda install --yes numpy scipy matplotlib scikit-image pip 
直接复制没毛病哈，下载的过程可能会很慢，最好先然后再下载，下载完成后，查看conda管理的工具包 conda list 

• 
  

安装包的时候我是没遇见问题的，如果你们安装的时候遇到什么问题，请百度或者谷歌，我想安装这一步的问题应该不大。

• 
  

3 faster rcnn的配置

faster rcnn的下载，我是用的这个大神的，别弄错了，这个还是很权威的，注意在下载的时候一定要用git下载 git clone –recursive https://github.com/rbgirshick/py-faster-rcnn.git 
这样的命令，要不然包会下载不全，windows下使用git下载的方式应该不用我在写了吧，我是用的git for windows这个软件，可以百度上下载，很方便的，就不多说了。下载好了之后解压到自己的目录，我的位置是 E:\Caffe\faster_rcnn 
由于faster rcnn官方并没有提供windows的编译文件，不过有大神已经编译好了，我们就直接用吧 
https://github.com/MrGF/py-faster-rcnn-windows 
还是使用git下载，下载后再解压 

然后将E:\Caffe\faster_rcnn\py-faster-rcnn-windows-master下面的lib文件夹复制并替换了E:\Caffe\faster_rcnn\py-faster-rcnn下面的lib，全部替换了。

然后lib目录下面有2个python写的文件 

然后使用notepad++打开，你们也可以用记事本打开setup_cuda.py 

在文件的33行 
include_dirs = [numpy_include, ‘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include’]) 
把gpu的目录给放到这个地方，我的是默认的安装目录，根据你们自己的目录来填写，记得填写两个‘\’ 我复制过来的语句被浏览器转义了就只看见一个，上面的图片当中是2个’\’，别填写错了 ，然后保存，

然后打开cmd进入E:\Caffe\faster_rcnn\py-faster-rcnn\lib这个目录，怎么进不用我说了吧，然后输入python setup.py install 一定要进入这个目录，在执行这个命令的时候有可能会出错，没错的就不管了 
有可能出现python27.dll是X64位的，然后和目标机X86不配置之类的话，那就不要使用cmd的来执行，使用vs2013的命令提示工具来执行 
 
然后进入E:\Caffe\faster_rcnn\py-faster-rcnn\lib这个目录，再执行刚刚的命令，此时应该没有刚刚的错误了。 
但是如果再出现Microsoft Visual C++ 9.0 is required……这样的错误的话，SET VS90COMNTOOLS=%VS120COMNTOOLS% （对于VS2013）复制这句话在命令行里面，然后再执行刚刚的语句 

出现这个说明安装成功，同理执行python setup_cuda.py install,差不多的提示。

上面都成功后，此时需要把caffe编译好的pycaffe存入到faster rcnn对应的目录下
E:\Caffe\caffe\caffe\Build\x64\Release\pycaffe目录下的caffe目录完全拷贝在这个目录
E:\Caffe\faster_rcnn\py-faster-rcnn\caffe-fast-rcnn\python的caffe目录 替换掉，根据自己对应的解压目录来替换，
关于caffe编译成release的文件本文就不说了，我上篇博客写的有

接下来修改配置文件E:\Caffe\faster_rcnn\py-faster-rcnn\lib\fast_rcnn下满的config.py 如果没有gpu的话就需要修改这个，如果有gpu就不用修改，本文就不说纯cpu的编译了，因此就不需要修改

3最后运行python的demo目标检测程序

首先下载数据集，然后放在这个data目录下面的faster_rcnn_models目录下，就2个文件，大概700-800M的数据caffemodel文件

千万别放错了，要不然运行找不到数据集，本文最下面提供数据集的下载地址

然后这个目录tools下面有一个demo.py的程序 
 

用命令工具进入到这个tools的目录，然后执行命令python demo.py 

至此，py-faster-rcnn的配置工作基本完毕，接下来，我们运动demo，看看效果。在cmd中切换工作目录到到py-faster-rcnn目录下，执行python ./tools/demo.py。若执行成功，将出现相应的检测图片。

    python ./tools/demo.py

最关键的就是接下来的问题了，需要你一路披荆斩棘，过五关斩六将才能看见最终的结果，我就是被接下来的问题快折磨的放弃了，还好最终坚持下来，弄得我满身疲惫，结果运行出来之后看着就非常有成就感，所以你们在配置的时候遇到什么困难也别放弃，下面我所遇到的问题可能你们遇不到，也有可能会有额外的新问题也可以个我留言，反正别放弃！！

问题一

 
这个是缺少opencv的包，opencv待会儿也提供 我的是3.0的版本，安装在D盘，看自己安装在哪。然后打开这个目录D:\Opencv3.0\opencv\build\python\2.7\x64下面只有一个文件就是cv2.pyd,然后复制该文件到Miniconda的目录下（现在就能体现出miniconda管理软件的好处的，什么都配置好了，所以建议这个必须安装）D:\Miniconda\Lib\site-packages这个的根目录下，别放错了，算了还是截个图吧 

然后再运行python demo.py

问题2

提示缺少包easydict，没有安装的话就直接在cmd中输入pip install easydict

再运行python demo.py

问题3

提示缺少skimage.io的包，最开始我就是因为没有安装miniconda，然后我使用python下载，然后各种百度啊 在windows上面就是安装不上这个包，windows上面做这个到处都是坑啊，无奈之下 我还是安装了minicoda，所有再次建议大家还是把这个给装上，如果按照我开始的步骤已经执行过这句conda install –yes numpy scipy matplotlib scikit-image pip的话 此时就没有这个问题，如果没执行的话 此时来执行 
conda install scipy matplotlib scikit-image等待下载安装

再运行python demo.py

问题4

哇 这问题也弄得我很难受，出现这个问题后，我在miniconda下面下载这个包，下载好了之后再运行 python demo.py 可是还是包这个错，有可能你们不会，我说说我的怎么处理的，我把yaml的安装路径添加到系统的环境变量，默认的安装位置是D:\Miniconda\Lib\site-packages\conda_env下，所以我在系统的环境变量path后面加入了这个，可是运行的demo的时候还是出现这个问题，啊 瞬间崩溃，然后找啊找，demo少依赖是吧，那我就直接把这个yaml放在它需要的依赖库里试试，E:\Caffe\faster_rcnn\py-faster-rcnn\lib\rpn 我就放在这了，然后再运行demo 哇咔咔果然通过了，2个文件 yaml.py yaml.pyc。所以遇到问题多尝试—-没毛病，不过还没完了 新问题又来了

问题5

这个问题当然也是少包，同样在cmd下输入pip install protobuf 然后等待安装，看清楚有的是用的pip 有的是用的conda，具体为什么就不说了，因为我也不知道。 
然后再运行demo

问题6

哇 最烫手的问题来了，网上找各种资料啊，就是找不到啊，蓝瘦香菇啊，后来网上看见别人说，微软windows branch的分支没有把这个roi_pooling层给加进去，那么办法了，然后我再去看编译好的caffe，因为python写的demo都是用的caffe的框架，而caffe的框架都需要libcaffe库的支撑，所有我找到caffe目录下的libcaffe 
 
看他到底编译roi_pooling这个没有，所有用右键(记住不是双击，是右键)打开libcaffe.vcxproj用notepad++打开，当然也可以用记事本打开，你能找得到位置的话

发现里面所有的编译文件都没有这个roi_pooling，但是caffe里面又有roi_pooling_layer.cpp .cu .hpp这3个文件，所以我就尝试在里面把这个添加进去，按照原来的格式 
在157行加入了

\..\src\caffe\layers\roi_pooling_layer.cpp" />

在265行加入了

\..\include\caffe\layers\roi_pooling_layer.hpp" />

在344行加入了

\..\src\caffe\layers\roi_pooling_layer.cu" />

当然这个libcaffe.vcxproj.filters文件也一起修改，还是按照它默认的格式添加这3个文件 
在291行加入

\..\src\caffe\layers\roi_pooling_layer.cpp">
src\layers

在569行加入

\..\include\caffe\layers\roi_pooling_layer.hpp">
include\layers

在781行加入

\..\src\caffe\layers\roi_pooling_layer.cu">
cu\layers

好了最后打开windows目录下的caffe.sln 其他配置在上一篇博客已经写了，此时就直接右键生成libcaffe，果然能生成成功，于是在把整个caffe的所有工程给编译了，果然全部生成成功16个，看着他成功后很激动啊。 
然后把 
E:\Caffe\caffe\caffe\Build\x64\Release\pycaffe目录下的caffe目录 
重新复制一次到 
E:\Caffe\faster_rcnn\py-faster-rcnn\caffe-fast-rcnn\python目录的caffe目录，因为重新编译了一次嘛，所以再次替换

然后再运行demo.py 果然没有刚刚的错了，不过又出现新问题

问题7

根据它的提示查看这个py文件，E:\Caffe\faster_rcnn\py-faster-rcnn\lib\rpn这个目录下的proposal_layer.py文件 
64行的原代码是这样的 
cfg_key = str(self.phase) # either ‘TRAIN’ or ‘TEST’ 
后面有个注释 使用train或者test 所以简单的改的话就随便修改成test就行了，正常改的话就这样：去掉cfg_key = str(self.phase) # either ‘TRAIN’ or ‘TEST’这一行，改为下面的

        if self.phase:
            cfg_key = 'TEST'
        else:
            cfg_key = 'TRAIN'

不过一定得注意格式对齐，python很讲究空格的，如果改成这样出现语法错误的话，那么就用cfg_key = ‘TEST’#str(self.phase) 吧，这个至少是能通过的 
然后保存再次运行demo，如果是GPU的话 那么就运行出结果了，如果是纯cpu的话 我就不清楚了，你们就自己动手研究了，好了 展示一下成果吧

如果你们按照我的方式配出来的话就点个赞吧，如果有其他的错误就留个言，纯手工，自己截图 写了3个小时了，好累啊，转载的时候请说明转载出处 

哎呀 资源你们需要的话就留言吧，我这上传速度太慢了

参考：https://blog.csdn.net/yi452873250/article/details/73848640

           https://blog.csdn.net/u010579901/article/details/78841857