本人在上一篇博客https://blog.csdn.net/hitzijiyingcai/article/details/81347402中写到本人成功运行了Faster RCNN的Tensorflow代码，在那篇博客中本人采用的是github上的这一个代码https://github.com/endernewton/tf-faster-rcnn，同时在那篇博客中，本人写到，也实验了其他github开源代码但并未成功，但是本人今日再一次实验验证时，发现对其中提到的另一个开源代码实验成功，对于其中的一个困扰了很久的问题有了解决方法，因此记录下来。
本次本人实验的代码为https://github.com/smallcorgi/Faster-RCNN_TF，它和前一篇博客中采用的代码并不一样，而且实现的过程也不一样，下面一一描述。
本文为博主原创，转载请注明出处：https://blog.csdn.net/hitzijiyingcai/article/details/81747148
1、环境准备
此部分内容为进行faster rcnn实验所共同必备的，参见本人上一篇博客。
2、程序运行
首先在github上下载
git clone https://github.com/smallcorgi/Faster-RCNN_TF下载完成之后解压可得到如图所示
注意，下载的文件夹里并没有output这一文件夹，这个是本人为了方便后续工作新建的。
解压完成之后，进入Faster-rcnn-TF的文件夹下的lib文件夹进行编译：
正常情况下编译完成之后即可进行下一步。但是相信很多人会跟我一样在这里就卡住，会出现很多错误，本人之前就是卡在这里出现的错误中，对于此部分错误的解决，在后面第三部分详细介绍，先接着按照正常的继续进行。
下一步，在测试demo之前，需要下载一个训练好的模型，在github上作者提供了两个链接，但是都需要翻墙，在这里提供一个百度云下载地址： 链接：https://pan.baidu.com/s/1zNWzMxBwQ6qVoXXvN89Peg 密码：0rtb
下载完成之后，在tools文件夹下新建一个名称为model的文件夹，把下载好的模型放进去。
接着即可运行demo，
这里，运行的格式为：
cd $FRCN_ROOT
python ./tools/demo.py --model model_path对于model模型存放的位置，大家根据自己修改，另外，对于tensorflow版本的模型来讲，它由三个文件（后缀名为data-00000-of-00001、index、meta）组成，所以大家只需要写到ckpt即可，这里我使用的是自己的模型路径。
正常情况下，到这里就能正确运行，可以得到正确的结果，
但是假如跟我一样是在服务器上而不是在本地运行的同学来说，要注意修改一下demo.py里面的部分内容，具体可以参看本人的上一篇博客。
在这里仍然放上正确的运行结果：
到这里就算运行成功，但是前面说了，其中有很多难以预料的错误之前困扰了本人，在这里一一列出。
3、运行错误集锦
（1）编译时报错
这是再说找不到nsync文件，因此要找到自己的此文件并添加进路径。这个错误也是困扰本人最久的，因为需要添加的文件路径并不好找。
解决方法：
根据错误指示打开mutex.h文件：
vim /share2/home/qingdong/anaconda-alter/envs/tf-2.7/lib/python2.7/site-packages/tensorflow/include/tensorflow/core/platform/default/mutex.h添加路径：
#include “/share2/home/qingdong/anaconda-alter/envs/tf-2.7/lib/python2.7/site-packages/tensorflow/include/external/nsync/public/nsync_cv.h”
#include “/share2/home/qingdong/anaconda-alter/envs/tf-2.7/lib/python2.7/site-packages/tensorflow/include/external/nsync/public/nsync_mu.h”这是本人的路径，替换成自己的对应路径即可。
（2）跑demo
解决办法：
修改make.sh文件：添加TF_LIB，并修改相应的编译参数
TF_LIB=$(python -c 'import tensorflow as tf; print(tf.sysconfig.get_lib())')
......
g++ -std=c++11 -shared -o roi_pooling.so roi_pooling_op.cc -D_GLIBCXX_USE_CXX11_ABI=0 \
roi_pooling_op.cu.o -I $TF_INC -L $TF_LIB -ltensorflow_framework -D GOOGLE_CUDA=1 \
-fPIC $CXXFLAGS -lcudart -L $CUDA_PATH/lib64
......修改后重新make，然后运行。
（3）运行demo过程中遇到的错误（之前遇到了此错误，本次没遇到）
g++: error: roi_pooling_op.cu.o: No such file or directory解决：按如下步骤设置
(1) export PATH=$PATH:/usr/local/cuda-8.0/bin/ (你的CUDA路径) for your terminal
(2) 在$FRCN_ROOT/lib/ make.sh 文件中，将 CXXFLAGS+='-undefined dynamic_lookup'
改为 CXXFLAGS='-D_MWAITXINTRIN_H_INCLUDED'
（CUDA添加到环境变量
export PATH=$PATH:/usr/local/cuda-8.0/bin/）
部分内容参考自：
https://www.cnblogs.com/danpe/p/7825357.html，https://blog.csdn.net/weixin_39970417/article/details/80577863