Ubuntu16.04+caffe的安装和Py-faster-rcnn在CPU电脑的安装-2

本机安装在/home/whu/HS/caffe

https://blog.csdn.net/jx232515/article/details/72384465

第一步：

重点声明：是在cpu安装，不适用GPU.本教程caffe编译只是编译了通用caffe的Python接口（如果还需要编译MATLAB接口的，请务必先看我的后一篇博客，涉及到一个很重要的版本问题）和faster-rcnn的Python接口。gcc,g++使用的5.3版本。

基本库安装

Python的安装有两种方式：一种是系统自带的python，只需再安装相应的库即可；第二种是直接安装anaconda，很多相应的库已经包含了。第一种直接安装库文件比较简单，不需要修改相应的包含路径和库文件。选择第一种。

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev 

sudo apt-get install libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml  

可能有的同学安装报错不能获取下载地址，可以在Ubuntu的软件更新器的其他软件源全部勾选，就可以了，添加软件源。

安装图像包依赖OpenCV开源库:

因为我之前安装了opencv 2.4.10,所以这里借用 http://blog.csdn.net/zyb19931130/article/details/53842791的内容。表示感谢。

(1)从github上下载安装脚本：https://github.com/jayrambhia/Install-OpenCV

(2)进行Ubuntu/2.4目录，对所有脚本增加可执行权限

[python] view plain copy

1. sudo chmod +x *.sh  

(3)安装依赖项

[python] view plain copy

1. sudo ./dependencies.sh  

(4)安装opencv 2.4.9

[python] view plain copy

1. sudo sh ./opencv2_4_9.sh 

第二：从caffe项目主页把caffe项目clone下来：

[python] view plain copy

1. git clone --recursive https://github.com/BVLC/caffe.git  

然后：

[python] view plain copy

1. cd caffe  
2. cp Makefile.config.example Makefile.config  

由于是仅CPU安装，修改Makefile相关配置：

[plain] view plain copy

1. 去掉注释CPU_ONLY :=1  
2. 注释掉CUDA有关的行：  
3. #CUDA_DIR := /usr/local/cuda  
4. #CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \  
5. #        -gencode arch=compute_20,code=sm_21 \  
6. #        -gencode arch=compute_30,code=sm_30 \  
7. #        -gencode arch=compute_35,code=sm_35 \  
8. #        -gencode arch=compute_50,code=sm_50 \  
9. #        -gencode arch=compute_50,code=compute_50  
10. 去掉注释WITH_PYTHON_LAYER := 1  
11. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial  
12. LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/i386-linux-gnu/hdf5/serial /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial  
13. #TEST_GPUID := 0  

文件修改完成后，开始编译：

[python] view plain copy

1. make all   
2. make test  
3. make runtest  
4. make pycaffe  

若编译没有错误，则caffe编译成功。可以在Python环境中使用caffe。

开始在Python使用.

[python] view plain copy

1. $cd caffe/python  
2. $python  
3. >>>import caffe  

出现错误：

File "caffe/io.py", line 2, in <module>
    import skimage.io
ImportError: No module named skimage.io

此时只要按照以下命令操作即可：
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags cython ipython

$ sudo apt-get update

然后回到编译caffe的目录，重新

$ make pycaffe

没报错之后，重新进行下面操作。

1. $cd caffe/python  
2. $python  
3. >>>import caffe  

到这里，caffe以及Python接口都已经编译成功，配置好了。

第三：下面进行Faster-rcnn Python版的安装。

下载项目，里面包含的caffe--rcnn与第一部分的通用的caffe并不相同。

[python] view plain copy

1. git clone --recursive  https://github.com/rbgirshick/py-faster-rcnn.git  

安装cython和easydict：

[python] view plain copy

1. sudo pip install cython  
2. sudo pip install easydict   

编译cython

到/py-faster-rcnn/lib/目录下修改setup.py文件，然后在/py-faster-rcnn/lib/目录下make，修改如下：

1. #CUDA = locate_cuda()  //第一处
2.  
3. #self.set_executable('compiler_so', CUDA['nvcc'])  //第二处
4.  
5.     #Extension('nms.gpu_nms',  //第三处，就是把cuda,gpu部分修改
6.         #['nms/nms_kernel.cu', 'nms/gpu_nms.pyx'],  
7.         #library_dirs=[CUDA['lib64']],  
8.         #libraries=['cudart'],  
9.         #language='c++',  
10.         #runtime_library_dirs=[CUDA['lib64']],  
11.         # this syntax is specific to this build system  
12.         # we're only going to use certain compiler args with nvcc and not with  
13.         # gcc the implementation of this trick is in customize_compiler() below  
14.         #extra_compile_args={'gcc': ["-Wno-unused-function"],  
15.         #                    'nvcc': ['-arch=sm_35',  
16.         #                             '--ptxas-options=-v',  
17.         #                             '-c',  
18.         #                             '--compiler-options',  
19.         #                             "'-fPIC'"]},  
20.         #include_dirs = [numpy_include, CUDA['include']]  
21.     #),

编译py-faster-rcnn自带的caffe：

到/py-faster-rcnn/caffe-fast-rcnn/目录下，把Makefile.config.exampe复制并重命名为Makefile.config文件，修改Makefile.config文件

（和第一部分中的修改一样）和CMakeLists.txt文件（OFF改成ON），修改如下

[python] view plain copy

1. caffe_option(CPU_ONLY  "Build Caffe without CUDA support" ON) # TODO: rename to USE_CUDA

然后

1. cd ~/py-faster-rcnn/caffe-fast-rcnn  
2. make -j8&& make pycaffe  

第四：测试demo：

首先下载训练好的模型，放在data文件下：

[plain] view plain copy

1. cd ~/py-faster-rcnn  
2. ./data/scripts/fetch_faster_rcnn_models.sh  
3.  

然后修改一些文件：

A：修改/py-faster-rcnn/lib/fast_rcnn/config.py文件（True改成False）
# Use GPU implementation of non-maximum suppression
__C.USE_GPU_NMS = False

B：将/py-faster-rcnn/tools/test_net.py和 /py-faster-rcnn/tools/train_net.py的caffe.set_mode_gpu()修改为caffe.set_mode_cpu().

C：修改/py-faster-rcnn/lib/fast_rcnn/nms_wrapper.py文件（注释该引用，并将False改成True）
#from nms.gpu_nms import gpu_nms
def nms(dets, thresh, force_cpu=True)

最后，运行demo：

[plain] view plain copy

1. cd ~/py-faster-rcnn  
2. ./tools/demo.py --cpu  

但是cpu还是比较慢的。且容易内存溢出。如果我们换成zf网络模型（默认为VGG16）需要

           ./tools/demo.py   --cpu  --net zf