电脑环境：ubuntu16.04+cuda7.5+960(2G)和ubuntu 16.04+cuda8.0+titan x(12G)
demo过程
1. 拉取源码
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git2. 安装依赖项
sudo apt-get install python-opencv
sudo pip install cython easydict
3.复制作者的Mkefile.config.example文件,并重命名为Makefile.config.
cp Makefile.config.example Makefile.config
分别取消USE_CUDNN=1, WITH_PYTHON_LAYER = 1, USE_PKG_CONFIG = 1 的注释;
修改 include_dirs 和 libarry_dirs 的那两行 为
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include/hdf5/serial \
/usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/lib/x86_64-linux-gnu/hdf5/serial \
/usr/local/lib /usr/lib
4.编译cython模块
编译cython模块cd ~/py-faster-rcnn/lib/
make
5.编译pycaffe
首先需要按照如下进行修改
①将/home/xxx/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成
/home 的caffe里的相应目录下的cudnn.hpp；
②将/home/xxx/py-faster-rcnn/caffe-fast-rcnn/include/caffe/layers/下所有cudnn开头的文件
都替换为/home 的caffe里相应目录下的同名文件；
③将/home/xxx/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer下所有cudnn开头的文件
都替换为/home 的caffe里相应目录下的同名文件；
如果如图报错
打开makefile 文件
gedit Makefile修改这一行
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)6.下载模型
cd ~/py-faster-rcnn/
./data/scripts/fetch_faster_rcnn_models.sh7.模型demo
./tools/demo.py --net zf
chmod -R 777 py-faster-rcnn以上过程主要参照博客进行的.
数据集制作过程
用自己的数据训练faster rcnn.首先要做数据集，看这篇博客，
博客最后一部分imagesets中main的几个txt我不是很清楚，
我翻了一下VOC2007中main文件夹下的txt发现每个类别都有相应的4个txt,而且后面有1，和-1。
我当时做的是车辆检测，每张图片都有车，
我直接复制了生成的txt,重命名了一下，用sed命令给每一行末尾加上了1。
在此介绍一下sed,tr相关命令。非常实用。
sed用法见这篇博客。在制作数据集画完框后批量修改生成的txt文件内容，可以参考这篇博客
合并txt命令：
cat a.txt b.txt > c.txt8 制作好数据集后，开始训练faster rcnn.修改文件参数见这篇博客.说的很详细，对着做就可以了。
遇到的error
1. ATTributeError:'module'object has no attribute 'text format'
解决方法：在lib/fast_rcnn/train.py中添加：
Import google protobuf.text_format2. assert (box[:,2]>=box[:,0].all() assertionerror
使用这篇博客前两种方法结合，我不报错了，少了一个都报错。
3.运行完了rpn第一阶段，显示错误
check failed: error == cudasuccess(2 vs.0) out of memory
原因显存不够。方法:调小batch_size.
文件位置：py/lib/fast-rcnn/config.py.我当时直接调到2，显存（2G）还是不够。同文件 config.py修改train.size=600这句。size我设为450,下面一行设为700.ok 可以跑了。这个地方是在改动图片的尺寸。
心得体会
1.首先设置 max iters的时候把第一阶段迭代次数设为200，看第二阶段能不能跑，会不会爆显存，爆了在修改，等的时间也不长，不要一来就弄几万次迭代，如果你笔记本显存大就无所谓了，我后来用的titan x显存12G，灰常爽啊。
2.如果为了方便的话，小显存就训练zf,大显存就直接上vgg16.中间的网络训练出来，demo自己的图片demo.py需要修改的更多。
3.demo的图片结果标签可以不按照自己的数据集命名，例如我做的车辆检测，制作数据集是写的是 vehicle类和background类，在demo.py文件中修改class 可以不用vehicle，用V也可以显示出来，当时我demo的一张图片车辆太多，vehicle太长，经常重叠，很难看。
4.一张图片含有多类检测物体希望在demo的时候所有结果显示在一张图片上，看这篇文章
暂时就想到这么多了，以后想起来了在写出来 2017.4.20
2017.9.28补充：
VOC数据集的xml文件格式如下：
自己制作数据集时，用LabelImg工具可以直接得到xml文件，格式如下：
此时filename名称是不正确的，需要加后缀，linux下可以使用如下bash语句加上后缀：
find -name '*.xml' |xargs perl -pi -e 's|</filename>|.jpg</filename>|g' 此时便可以直接使用xml文件。
2017.11.04
自己电脑上的caffe出问题了，然后重装了一下，安装ssd的时候，对照师兄的这篇博客，但是在make -j8的时候报错，/usr/bin/ld :cannot find -lopenbals.此时需要安装openblas,对照这篇博客 .编译成功。
在make runtest 的时候报错build_release/tools/caffe: error while loading shared libraries: libopenblas.so.0: cannot open shared object file: No such file or directory。
解决办法是在/usr/lib/下建立一个 软链接将 libopenblas.so.0指向/openbls安装目录/lib/ libopenblas.so.0
ln -s /home/cyh/lib/libopenblas.so.0 /usr/lib/libopenblas.so.0