FaceBoxes的复现（2）：Windows7系统+Anaconda+Pytorch+CPU

三、Windows怎么运行GitHub上下载（clone）的项目（2）

（紧接着上一篇文章来）我们要想运行GitHub上别人的预训练模型，你一定先要仔细的项目的README，这里面会有这个项目的简介以及安装步骤。记住最好严格按照GitHub上README教程来安装你下载下来的FaceBoxes_pytorch项目，GitHub上的FaceBoxes_pytorch项目的安装教程一共分为四个小结，分别是：

• Installation
• Training
• Evaluation
• References

附上FaceBoxes_pytorch的GitHub链接：

https://github.com/zisianw/FaceBoxes.PyTorch

接下来我就按照这个教程来运行FaceBoxes_pytorch的test.py

I. Installation

（1）运行FaceBoxes_pytorch版本，你首先要保证自己电脑里安装了Pytorch（这里我就不再单独讲解了）
（2）下载FaceBoxes_pytorch项目，上一篇文章中已经讲过了
（3）编译nms
编译nms这里折磨了我好久，可以说我跑test.py跑了五天才弄出来，最大的阻碍就是当时没有先把nms编译好。因为Windows的终端上是没有make命令的，所以我弄了好久都不知道编译nms,导致运行test.py的时候一直有各种各样的小问题，怎么也解决不完，怎么也解决不了，其实归根到底就是因为nms没有编译成功。
在Windows中运行原在Linux中编写的源代码，Windows在编译源代码的时候会因为没有Linux上可以使用的命令而无法编译源代码，从而导致整个预训练模型无法运行。所以我们首先要来安装一个软件，来使得在Windows的cmd终端也能使用Linux上使用的命令。

• 下载cygwin软件
  Windows安装cygwin的教程：

（1）

https://blog.csdn.net/lvsehaiyang1993/article/details/81027399

（2）

https://blog.csdn.net/yupu56/article/details/53186410

（3）

https://blog.csdn.net/chunleixiahe/article/details/55666792

这三篇cygwin的安装教程你可以结合着看，安装过程中的镜像网络链接选163.com的，如果你只需要编译此次的nms的话，最后选择安装包只要选择：devel分支下的
binutils
gcc（devel中所有带有gcc前缀的包）
gcc-mingw（devel中选择适合你电脑的mingw的包）
gdb
make
这5种包就可以了

• 安装好cygwin之后，打开你的cygwin，用cd命令先切换到你保存的Faceboxes_pytorch的盘，我的是F盘，然后再切换到你的FaceBoxes_pytorch的文件夹，接着在cygwin中输入GitHub上给出的指令：./make.sh
  
  很不幸，我的电脑的python3不知道为什么就是不起作用了，我电脑里面明明安装了Python3,而且Anaconda中也有Python3,并且也在path中添加了环境变量，但是还是出现了这个错误，而且尝试找了各种Python3无法使用的解决办法，就是无法解决掉这个问题，所以我不管这个问题了，使用管理员强制编译./make.sh的命令。
  在cygwin窗口中输入了：chmod 777 ./make.sh
  然后没有出现任何错误提示，证明我的nms已经编译成功了。

II. Training

这里我们按照GitHub上的教程和链接分别下载好各个数据集还有预训练模型就行了，并且将这些下载的东西，全部按照GitHub上指定的文件夹添加到我们之前下载好的FaceBoxes_pytorch文件中，千万不要放错位置，或者使用自己的文件夹名称，因为放错文件夹位置就会运行出错。提示：在GitHub上FaceBoxes_pytorch的最下面有一个百度云链接，从那里可以一次性下载完上面所有的数据集和pth文件。

我目前只运行了test.py，所以evaluation,和reference我就暂时没记录了。

III. 正式开始运行test.py

1. nms编译成功之后，我们来正式的运行test.py。因为我的电脑只有CPU，且为AMD显卡无法安装CUDA，所以为了让模型在我的CPU上运行，首先要把test.py中的默认不用CPU运行，改成默认为CPU运行
   原代码：

parser.add_argument('--cpu', action="store_true", default=False, help='Use cpu inference')

将defult = False 改成defult = True

parser.add_argument('--cpu', action="store_true", default=True, help='Use cpu inference')

并在代码前面添加一行device命令：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

• 附上python的argparse模块add_argument详解：

https://blog.csdn.net/u013177568/article/details/62432761/

2. 将test.py改为CPU运行还有两个小地方需要更改，在代码开头的import区域，找到from utils.nms_wrapper import nms并将其注释掉，不再使用这一句，同时添加一句：from utils.nms.py_cpu_nms import py_cpu_nms，这时候你输入的这一句是灰色的，代码还没有点亮，因为下面的代码中没有使用py_cpu_nms的地方，所以pycharm会将其显示为灰色。这时候你再翻到test.py代码 do NMS 区域找到keep = nms(dets, args.nms_threshold)并将其更改为：keep = py_cpu_nms(dets, args.nms_threshold)。这下子test.py就可以在你的没有CPU的Windows上顺利运行了。

3. 在运行代码期间若有其他缺少某一模块或包的提示，你电脑中缺少哪一个包或模块，你就在终端中用安装命令安装缺少的模块或者包就行了。

4. 如果你想让程序运行并输出图片结果，你需要将parser.add_argument('-s', '--show_image', action="store_true", default=False, help='show detection results')中的显示图片的默认改为True

5. 如果你想让程序测试你自己的图片，你需要将你自己的图片复制粘贴到你的FaceBoxes_pytorch/data/PACAL/images数据集中，并将你的照片名称改为原数据集的相同名称格式，然后将你的照片的名字复制到FaceBpxes_pytorch/data/PACAL文件夹中的一个img_list.txt文件中，放在最前面。（建议在Windows中下载一个NotePad++来读取你的txt文档）那样你的图片就可以被测试模型进行读取了。建议将你自己的图片像素调整为500x375或375x500，并选择图片大小小于250KB左右的的图片，使用图片太大的话，测试结果可能越差。

• NotePad++下载安装：

https://blog.csdn.net/github_35160620/article/details/52788525?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2

6. 测试效果