前言
1.之前用过Caffe的GooglNet做图像分类的相关项目，比起传统的办法，效果要好很多，在目标检测这块，之前也用传统的HOG加SVM实现过车辆，行人和马匹的检测，但正样本要上万张图像，才达到能应用到项目上的准确率。
2.Caffe-SDD微软的一个深度学习框架，SSD全称：Single Shot MultiBox Detector 是目前为止主要的目标检测算法。接下来我会把Caffe-SSD的编译配置、标注图像、训练自己模型、在项目中使用自己的整个流程写下来。
3.我配置的环境是Ubuntu 16.04 LST 64位，Qt5.9，Python2.7,因为只跑CPU版本，所以没有配置CUDA库。
一、环境配置
1.编译前的预操作
sudo apt-get update #更新软件列表
sudo apt-get upgrade #更新软件依赖包
sudo apt-get install build-essential #编译工具，通常已安装
sudo apt-get install gcc #安装gcc编译器,通常已安装
sudo apt-get install g++ #安装g++编译器,通常已安装
sudo apt-get install cmake #安装cmake
sudo apt-get install git #安装git
sudo apt-get install pkg-config #编译辅助工具，
2.前置依赖包
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev #安装gflags和glog依赖包
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev #ATLAS是线性代数库
3.配置python
(1)安装python相关库
sudo apt-get install python-pip #安装pip
sudo apt-get install python-dev
cd caffe
cat python/requirements.txt | xargs -L 1 sudo pip install
（2）添加软链接
sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7
sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy
4.获取caffe-ssd版本
（1）下载caffe
git clone https://github.com/weiliu89/caffe.git
开始下载caffe
（2）在当前目录ls会看到caffe这个文件夹，切换到caffe目录
更改文件夹名为caffe-sss
mv caffe caffe-ssd
切换到caffe-ssd目录
cd caffe-ssd
(3)切换到SSD分支
git checkout ssd
如果出现：Branch ssd set up to track remote branch ssd from origin.
Switched to a new branch ‘ssd’，或者“分支"代表成功。
（4）更改配置文件Makefile.config
cp Makefile.config.example Makefile.config #复制配置文件并把后缀去掉
vim Makefile.config #用vim打开配置文件
如果用不习惯vim,可以换成gedit打开配置文件
gedit Makefile.config
打开后
只用cpu更改
#CPU_ONLY:=1
去掉#改成
CPU_ONLY:=1
更改python 相关的路径
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
把前面的那句用#号注示掉，加上下面这句
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
加入hdf5的目录
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
（5）修改Makefile文件（注意与下面文件的区别）
打开Makefile文件，这里没有后缀
gedit Makefile
找到：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
找到：
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
改成
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
找到：
LIBRARIES += boost_thread stdc++
修改为：
LIBRARIES += boost_thread stdc++ boost_regex
二、编译Caffe-SSD
1.编译caffe caffe
(1)开始编译，切换到caffe-ssd目录,make all -j8后面j8是说明使用8个线程一起编译，这样速度会快一些，如是计算机配置不好，只输入make all 就行了，下面有j8的命令是一样的。
cd caffe-ssd
make all -j8
（2）编译过程中报错
AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: 找不到 -lopenblas
collect2: error: ld returned 1 exit status
Makefile:574: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1
解决方法：
sudo apt-get install liblapack-dev liblapack3 libopenblas-base libopenblas-dev
然后清除重新编译：
make clean
make all -j8
没有报错
（3）继续编译
make test -j8
make runtest -j8
（4）编译pycaffe
make pycaffe -j8
（5）检验python中import caffe是否报错：
python
import caffe
（6）如果报如下错误
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named caffe
解决办法：
把环境变量路径放到 ~/.bashrc文件中,打开文件
sudo gedit ~/.bashrc
在文件下方写入，保存退出。
export PYTHONPATH=/home/*XXXX* /caffe/python:$PYTHONPATH #其中XXXX为你的用户名
在终端写入下面语句，使环境变量生效。
source ~/.bashrc
（7）继续输入import caffe如果报以下错误
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/home/matt/caffe-ssd/python/caffe/__init__.py", line 1, in <module>
from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver
File "/home/matt/caffe-ssd/python/caffe/pycaffe.py", line 15, in <module>
import caffe.io
File "/home/matt/caffe-ssd/python/caffe/io.py", line 2, in <module>
import skimage.io
ImportError: No module named skimage.io
在终端输入：
sudo apt-get install python-skimage
（8）如果没有报错，Caffe-SSD配置完成。
结语
1.以上Caffe-SSD在Ubuntu下配置完成，之后就是如何应用Caffe-SSD做相关的训练和学习了。
2.关于Caffe-SSD配置遇到的问题，都可以加这个群(487350510)互相讨论学习。