姿态估计1-02：FSA-Net(头部姿态估算)-源码训练测试-报错解决

以下链接是个人关于FSA-Net(头部姿态估算) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。

$\color{red}{注意，本人编写该博客的时间为2019/12/14，也就是说，你现在下载的作者代码或许}$
$\color{red}{和本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为Winds系统}$
$\color{red}{即下面的报错都是Winds下使用pycharm报错的过程，以及解决办法}$

前奏准备

通过上一篇博客，大家可以先下载源码，然后我们就正式开始吧，下载源码之后，当然是先阅读其中的README.md文件，其中会指导我们该如何去运行代码。环境的搭建，这里就不讲解了，因为tensorflow对应的GPU环境，本人早已经搭建完成。安装对应的Keras也可谓是简单至极。
通过README.md可以看到如下内容：
在这里插入图片描述
下载好该data.zip之后，我们按照其提示，直接解压替换掉源码中的data文件夹，本人替换之后的模样如下（选择为覆盖模式，并没有主动删除文件）：

训练报错解决

初步的准备我们已经完成，下面我们就开始进行训练吧，对于训练和测试的制作过程，大家不要担心，后续会进行详细讲解，我们先把代码跑起来再说，可以看到如下内容：
在这里插入图片描述
打开training_and_testing/run_fsanet_train.sh文件，可以看到如下：

# Train on protocal 1
# SSRNET_MT
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name '300W_LP'
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 1 --db_name '300W_LP'

# FSANET_Capsule
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 2 --db_name '300W_LP'
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 3 --db_name '300W_LP'
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 4 --db_name '300W_LP'


# FSANET_Netvlad
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 5 --db_name '300W_LP'
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 6 --db_name '300W_LP'
KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 16 --nb_epochs 90 --model_type 7 --db_name '300W_LP'

我也很懵逼，不知道为什么套执行这么多次程序，是要做什么，但是没关系，先照着做就行了。首先设置pycharm的环境变量KERAS_BACKEND=tensorflow，如下操作：
在这里插入图片描述

然后点击ok即可，注意的的是，这里我们配置的是第一个训练进程，即：

KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name '300W_LP'

先试试水，看能不能跑起来，配置完成之后，我们运行代码。本人显示如下：
在这里插入图片描述
貌似成功的样子，但是还是报错了。

报错一

  File "D:\3.Anaconda3\lib\site-packages\keras\utils\vis_utils.py", line 22, in _check_pydot
    'Failed to import `pydot`. '
ImportError: Failed to import `pydot`. Please install `pydot`. For example with `pip install pydot`.

这种错误，这么可能难得到朕，执行：

pip install pydot

即可，然后重新运行代码。

报错二

Traceback (most recent call last):
  File "D:\3.Anaconda3\lib\site-packages\keras\utils\vis_utils.py", line 28, in _check_pydot
    pydot.Dot.create(pydot.Dot())
  File "D:\3.Anaconda3\lib\site-packages\pydot.py", line 1922, in create
    raise OSError(*args)
FileNotFoundError: [WinError 2] "dot" not found in path.

During handling of the above exception, another exception occurred:


  File "D:\3.Anaconda3\lib\site-packages\keras\utils\vis_utils.py", line 31, in _check_pydot
    '`pydot` failed to call GraphViz.'
OSError: `pydot` failed to call GraphViz.Please install GraphViz (https://www.graphviz.org/) and ensure that its executables are in the $PATH.

心里有点慌，不知道啥原因，不过不用着急，首先听他的话，通过https://www.graphviz.org安装好GraphViz，计入网页点击如下：
在这里插入图片描述

然后我在点击进去，妈呀，太复杂了，作为一个传统的懒鬼，赶紧百度，看看有没有其他的捷径。参照如下链接的博客完成操作：
https://www.cnblogs.com/shuodehaoa/p/8667045.html
本人安装默认路径为 C:\Program Files (x86)\Graphviz2.38\，完成之后，我们还需要执行：

pip install graphviz

然后重新运行程序，报错和上面依旧一样，大家要注意的是，需要重启电脑，环境变量或许才能添加进去。

等大家重启之后呢,还是报一样的错误，哈哈。主要是我们还要修改D:\3.Anaconda3\Lib\site-packages\pydot.py文件：

DEFAULT_PROGRAMS = {
#    'dot',
	'dot.exe',
    'twopi',
    'neato',
    'circo',
    'fdp',
    'sfdp',
}

注释部分为源码，dot.exe为本人做的修改，然后重新运行即可。本人显示如下：
在这里插入图片描述
这样，我们的训练代码就调试成功了，我相信有的朋友可能想再终端运行，执行，那么我们需要执行下面两个步骤（winds环境）：

set KERAS_BACKEND=tensorflow 
python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name '300W_LP'

报错三

(base) E:\1.PaidOn\8.3D\3.FSA-Net\1.FSA-Net-master\training_and_testing>python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name '300W_LP'
Using TensorFlow backend.
db_name is wrong!!!

这里呢，主要是winds和linux系统的一些区别影响的，大家不用管太多，执行如下命令即可：

python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name 300W_LP

其实和上面的一样，只是把’300W_LP’替换成了300W_LP即可。然后就可以训练了。下面当然是来看看测试代码了。

测试报错解决

查看training_and_testing/run_fsanet_test.sh代码，可以看到如下，

KERAS_BACKEND=tensorflow python FSANET_test.py --model_type 0
KERAS_BACKEND=tensorflow python FSANET_mix_test.py --model_type 0

我们直接添加–model_type 0到pychram，然后进行运行测试代码。

注意，执行这个代码，是需要等待训练结束，也就是执行

KERAS_BACKEND=tensorflow python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name 300W_LP

但是大家要注意，测试的执行，必须再模型训练完成之后，及前面的

python FSANET_train.py --batch_size 8 --nb_epochs 90 --model_type 0 --db_name 300W_LP

已经执行完毕。完成之后在：
在这里插入图片描述
pre-trained目录下会生成如上文件，别问我是什么，我现在也一脸懵逼，找不到东南西北。后续再为大家详细的讲解。

报错一

AttributeError: module 'keras.backend' has no attribute 'image_dim_ordering'

找到报错位置，替换如下：

#if K.image_dim_ordering() == "th":
if K.image_data_format() == 'channels_first':

本人再次执行（终端）：

python FSANET_test.py --model_type 0

打印如下：
在这里插入图片描述
本人估计测试是完成了，但是到底是啥玩意，就不要为难我了，现在我也不知道。接下来我为大家做论文翻译，我相信大家看完论文，以及代码解析，肯定能找到自己想要的答案。那么我们开始吧，各位漂亮的小姐姐小哥哥们。要点赞哈！

江南才尽，年少无知！

发布了219 篇原创文章 · 获赞 687 · 访问量 12万+

私信关注