如题，在自己的笔记本上就能跑tf-faster-rcnn的demo，预装的环境主要就是tensorflow1.2.0-rc和python3的一些库，不牵扯cuda那些。我也许会写一系列，从跑demo到训练自己的目标检测网络，faster rcnn的原理等等。快点动手弄起来吧！

tf-faster-rcnn的github源码地址: https://github.com/endernewton/tf-faster-rcnn

一、预安装的环境：

1. python3.5.2

ubuntu16.04的默认python3版本为3.5.2，需要说明的是，要给python3安装相关的库，一切命令都用pip3，如pip3 install numpy....pip3 install seaborn....如果用pip的话默认的是给python2装相应的库。python3需要为tf-faster-rcnn安装的库有cython, opencv-python, easydict等等，先往后走，等运行的时候报import error的话再进行相应的pip3 install。

2. tensorflow1.2.0-rc2

源码follow的是tensorflow的r1.2版本，为了避免踩坑，大家还是先规规矩矩来吧。在清华源上下载对应的tensorflow的cpu版本的whl。我装的是：

tensorflow-1.2.0rc2-cp35-cp35m-linux_x86_64.whl

33.0 MiB

2017-06-07 06:02

tensorflow-cpu的详细安装步骤，可以参考：ubuntu16.04安装TensorFlow的正确步骤

我按照python3的版本流程给大家梳理一下，和教程里有点小区别的是我的whl是手动下的:

1.安装python对应版本的pip和依赖包（sudo apt-get install python3-pip python3-dev）

2.升级pip版本（sudo pip3 install --upgrade pip）

3.在之前下载的.whl目录下打开ubuntu的命令终端，pip3 install tensorflow-1.2.0rc2-cp35-cp35m-linux_x86_64.whl，即可安装。

4.测试一下：

二、tf-faster-rcnn运行demo

可参考的教程：Faster R-CNN tensorflow版本，cpu下运行demo

我还是按照python3，按照github上的readme顺序为大家梳理一下：

1.克隆源码

git clone https://github.com/endernewton/tf-faster-rcnn.git

2.修改lib目录下的Makefile和setup.py

进入lib目录

cd tf-faster-rcnn/lib

更改Makefile文件中的python setup.py...这行为python3 setup.py....

setup.py文件做以下修改：

（我在ubuntu里安装了pycharm，用pycharm打开tf-faster-rcnn，相应的地方直接用快捷键ctrl+/注释，如果没装pycharm的话就用gedit打开逐行加#就好）

找到 CUDA = locate_cuda() 并注释掉该行；

注释掉Extension的nms.gpu_nms的部分，如下图所示：

Readme中说要将USE_GPU_NMS设置为False，这个是在tf-faster-rcnn/lib/model/config.py文件中进行修改，将原先的True改为False。

tf-faster-rcnn/lib/model/nms_wrapper.py中也要注释掉相应部分：

3.构建Cython模块

在终端的tf-faster-rcnn/lib目录下依次输入下面三个命令

make clean
make
cd ..

解释一下：

make clean命令是清除之前编译的文件；

make指的是编译，也就是运行Makefile文件，Makefile中有执行setup.py构建cython的命令；

cd ..指的是返回上一级目录，也就是返回到了tf-faster-rcnn目录。

4.安装Python COCO API

cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..

这个还是要注意，有make命令就要将相应目录下的Makefile文件中的python改为python3，因为咱们是要用python3解释执行，不是要用python2。

5.Setup Data

1.下载预训练模型：

在tf-faster-rcnn/data目录下新建一个文件夹，命名为voc_2007_trainval+voc_2012_trainval，文件夹内的四个ckpt文件可以从我的baidu网盘中下载

链接：https://pan.baidu.com/s/1nsfXWIr5E8w49ElvsadzEg
提取码：irdq

（原readme说是执行fetch_faster_rcnn_models.sh下载预训练模型，我下载不下来，所以从google drive中手动下载，然后传到了baidu网盘上）

2.创建文件夹和软链接以使用预训练模型

现在在终端的tf-faster-rcnn目录，

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

解释一下：

mkdir -p 这行代码指的是创建output/res101/voc_2007_trainval+voc_2012_trainval路径，没有的就创建。-p指的是父目录。

ln -s这行指的是创建一个软链接，创建后output/res101/voc_2007_trainval+voc_2012_trainval下会出现一个带有黑色箭头的default文件夹，里面的内容是链接的data/voc_2007_trainval+voc_2012_trainval (我们之前放的模型文件)

我觉得我的解释你们应该能懂，不懂的话就看图：