系統(tǒng)配置
我所使用的環(huán)境總體來(lái)說(shuō)為：
- Ubuntu 18.04
- cuda 9.0
- cudnn 7.5.0
- python 3.6.7
- tensorflow 1.10.0
- gcc 4.8.5(tf-faster-rcnn不支持6以上版本的gcc)
ubuntu系統(tǒng)配置
顯卡配置：GeForce GTX 1060
顯卡配置：GeForce GTX 1060
屏幕截圖
屏幕截圖
Cuda版本9.0
Cudnn版本7.5
Python版本3.6.7
Tensorflow版本1.10
gcc版本4.8.5
Github代碼鏈接
本文使用的代碼：https://github.com/endernewton/tf-faster-rcnn
官方代碼：https://github.com/ShaoqingRen/faster_rcnn
半官方代碼：https://github.com/rbgirshick/py-faster-rcnn
Faster-RCNN原文鏈接：https://arxiv.org/pdf/1506.01497.pdf
改進(jìn)方案論文鏈接：https://arxiv.org/pdf/1702.02138.pdf
Demo運(yùn)行過(guò)程
- 根據(jù)顯卡更改下對(duì)應(yīng)的計(jì)算單元：
修改tf-faster-rcnn/lib/setup.py中第130行的arch參數(shù)，比如我的顯卡是1070,算力是6.1，所以是sm_61
顯卡的算力可以查詢(xún)下面網(wǎng)址: http://arnon.dk/matching-sm-architectures-arch-and-gencode-for-various-nvidia-cards/
參考 - 編譯Cython
仍然在lib路徑下，編譯Cython模塊（確保你已經(jīng)安裝了easydict，如果沒(méi)有，pip install easydict）：
make clean
make
cd ..
- 安裝COCO API（代碼需要API來(lái)訪(fǎng)問(wèn)COCO dataset）
這點(diǎn)按照GitHub的步驟走就ok：
cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..
在執(zhí)行g(shù)it clone https://github.com/pdollar/coco.git 這個(gè)步驟時(shí)，終端報(bào)錯(cuò):
報(bào)錯(cuò)信息
查找資料發(fā)現(xiàn)修改下載方式-https改為ssh，把’https://git.openwrt.org/feed/packages.git’改為’git://git.openwrt.org/feed/packages.git’，即改為如下指令就可以成功執(zhí)行：
git clone git://github.com/pdollar/coco.git
- 配置數(shù)據(jù)（按照py-faster-rcnn的說(shuō)明，設(shè)置VOC和COCO數(shù)據(jù)集，這些步驟包括下載數(shù)據(jù)和在數(shù)據(jù)文件夾中創(chuàng)建可選的軟鏈接）
- 下載訓(xùn)練集、驗(yàn)證集、測(cè)試集以及VOCdevkit
在想要存放數(shù)據(jù)集的位置打開(kāi)終端，輸入下列命令：
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
- 將所有壓縮包解壓到一個(gè)名為VOCdevkit的文件夾中
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
- VOCdevkit文件夾應(yīng)由如下構(gòu)成
VOCdevkit/ # development kit
VOCdevkit/VOCcode/ # VOC utility code
VOCdevkit/VOC2007 # image sets, annotations, etc.
... and several other directories ...
- 創(chuàng)建數(shù)據(jù)集的軟連接
cd tf-faster-rcnn-master/data
ln -s $VOCdevkit VOCdevkit2007
- 下載預(yù)訓(xùn)練模型
需要翻墻，如果翻不了墻就從網(wǎng)盤(pán)里下吧，下面提供一個(gè)預(yù)訓(xùn)練模型的網(wǎng)盤(pán)鏈接：
預(yù)訓(xùn)練模型 提取碼：8ahl
（感謝提供下載鏈接的無(wú)私可愛(ài)人er）
下載過(guò)后復(fù)制到data文件夾內(nèi)對(duì)其進(jìn)行解壓：
tar zxvf voc_0712_80k-110k.tgz（在data文件夾中解壓）
data文件夾解壓之后如下圖所示：
data文件夾
- 創(chuàng)建一個(gè)文件夾和一個(gè)軟鏈接以使用預(yù)訓(xùn)練模型
在tf-faster-rcnn根目錄創(chuàng)建一個(gè)output文件夾并且在其中存放預(yù)訓(xùn)練模型的軟鏈接，使用軟連接來(lái)使用預(yù)訓(xùn)練模型，output文件夾中會(huì)在每次訓(xùn)練后存放訓(xùn)練好的模型，這里按照步驟走就行：
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
- 對(duì)demo進(jìn)行測(cè)試
上面的Res101網(wǎng)絡(luò)預(yù)訓(xùn)練模型是已經(jīng)經(jīng)過(guò)imagenet和voc0712數(shù)據(jù)集訓(xùn)練好的，用demo來(lái)調(diào)用output文件夾下的該模型，展示其實(shí)際檢測(cè)效果。仍然按照步驟走：
GPU_ID=0
CUDA_VISIBLE_DEVICES=${GPU_ID} ./tools/demo.py
最終效果如圖所示：
Demo.py效果圖
使用訓(xùn)練好的faster模型對(duì)數(shù)據(jù)進(jìn)行測(cè)試
這里有點(diǎn)地方需要改：首先把 tf-faster-rcnn/lib/datasets/voc_eval.py的第121行的
with open(cachefile,'w') as f
改成
with open(cachefile,'wb') as f
同時(shí)還要把第105行的
cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile)
改成
cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile.split("/")[-1].split(".")[0])
然后在tf-faster-rcnn根目錄中輸入下面命令:
GPU_ID=01
./experiments/scripts/test_faster_rcnn.sh $GPU_ID pascal_voc_0712 res101
結(jié)果如圖所示：
預(yù)訓(xùn)練模型測(cè)試結(jié)果
會(huì)在output文件夾下建立一個(gè)路徑為：
/output/res101/voc_2007_test/default/res101_faster_rcnn_iter_110000/
的文件夾，res101代表網(wǎng)絡(luò)名稱(chēng)，voc_2007_test代表數(shù)據(jù)集，與訓(xùn)練不同，該文件夾下不再是模型文件。
到此為止，所有步驟都成功的話(huà)則說(shuō)明tf-faster-rcnn平臺(tái)搭建完成！
