py-faster-rcnn(running the demo): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+python2.7環境搭建記錄

第一次寫博客,以此記念這幾天安裝caffe,跑faster-rcnn的血淚史.在此特別感謝網絡各路大神,來自全球各地,讓我能從中汲取養分,吸收經驗,總結規律.

faster-rcnn分爲matlab版本和python版本,首先記錄弄python版本的環境搭建過程.matlab版本見另外一篇：faster-rcnn(testing): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+opencv3.0+matlabR2014a環境搭建記錄

首先,進入官方github網站:https://github.com/rbgirshick/py-faster-rcnn.按照做者的步驟,一步步往下走.

1.按Ctrl+Alt+t進入終端,進入你想存放源代碼的路徑後(在此假設爲dir:A),輸入:

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

--recursive大概是遞歸克隆的意思,就是把源碼中的文件夾,文件夾下的子文件夾等等所有克隆過來.最後在當前目錄下獲得一個叫py-faster-rcnn的文件夾,即A/py-faster-rcnn.

2.做者接下來的意思是進入lib,輸入make來"Build the Cython modules".可是我當時沒看到這一步,直接進的下一步,事實證實,後面再作這一步也能夠.請繼續往下看.

進入caffe-fast-rcnn,這時,須要編譯做者本身寫的caffe.而這就要求電腦的環境配置了.

條件:

　　2.1 python2.7及各類須要的庫,如numpy等,這些庫若是不裝夜能夠按照編譯報錯時的提示一一安裝.

　　2.2 cuda7.5和cudnn5.1.3.cuda是電腦早就裝好的,cudnn我是按最新的裝,反正沒錯.這裏有篇不錯的教程:http://blog.csdn.net/ubunfans/article/details/47724341.寫得很是好.

　　須要注意的是跑matlab版本時gcc降級爲4.7,而此時的python版本爲4.9.gcc的版本按照該網站修改,歸根結底是修改系統gcc和g++文件的連接路徑:http://www.cnblogs.com/loveidea/p/4384837.html

　　2.3 opencv3是在跑matlab版本的時候裝的,不知道python版本是否是也要求,裝的過程也有一些注意事項,具體請看matlab部分.

3.咱們已在A/python-faster-rcnn/caffe-fast-rcnn下,發現沒有Makefile.config文件,這時就要把當時電腦編譯caffe時的config文件拷過來了,按照本身的狀況進行修改.個人config文件重點部分以下:

USE_CUDNN := 1
OPENCV_VERSION := 3
CUDA_DIR := /usr/local/cuda


ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
         $(ANACONDA_HOME)/include/python2.7 \
         $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
PYTHON_LIB := $(ANACONDA_HOME)/lib
 WITH_PYTHON_LAYER := 1
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
BUILD_DIR := build
DISTRIBUTE_DIR := distribute

4.好了,開始輸入:

make clean #這個是把之前的遇到錯誤的make記錄清除了,第一次make的時候不須要輸,問題是以後我遇到了不少錯誤.
make -j8 #這是出問題最多的地方
make pycaffe

當上面的命令很是成功地不出現錯誤的時候,congratulations,你離成功已經很近了.假設你已經走到了這一步(問題在下面討論),接下來是:

5.做者的步驟以下,不過我是輸入該.sh下的網址:http://www.cs.berkeley.edu/%7Erbg/faster-rcnn-data/faster_rcnn_models.tgz直接下載的,linux的火狐瀏覽器貌似打不開此網址,我是在另一臺windows的瀏覽器上下載的.下載完以後解壓放入A/python-faster-rcnn/data.

cd $FRCN_ROOT
./data/scripts/fetch_faster_rcnn_models.sh

6.這時,該進入lib,輸入make來"Build the Cython modules".若是到這了還不執行這一步後面會發生一些奇怪的事情.特此告知.

cd python-faster-rcnn/lb
make

7.

cd python-faster-rcnn
./tools/demo.py

 大功告成:

 

問題彙總:如下列舉出整個過程我遇到的一些問題,由於當時沒總結,有些可能忘了.非嚴格按照時間順序.

1.

/util/cudnn.hpp:127:41: error: too few arguments to function ‘cudnnStatus_t cudnnSetPooling2dDescriptor(cudnnPoolingDescriptor_t, cudnnPoolingMode_t, cudnnNanPropagation_t, int, int, int, int, int, int)’  
         pad_h, pad_w, stride_h, stride_w));  

這是因爲cudnn和caffe版本不兼容形成的,具體有兩種解決思路.第一種是下降cudnn版本,好比我降到了cudnnv3.0,結果出現了另一些低版本的問題,報錯說某些層未定義.另外一種思路是提升caffe的版本,由於做者github上的caffe未能"及時升級".具體請參照這一篇神奇的博客:http://blog.csdn.net/rzjmpb/article/details/52373012

大意以下:

 

cd py-faster-rcnn/caffe-fast-rcnn  
git remote add caffe https://github.com/BVLC/caffe.git  
git fetch caffe  
git merge caffe/master 
在合併以後註釋掉include/caffe/layers/python_layer.hppa文件裏的self_.attr(「phase」) = static_cast(this->phase_)

 

至於爲何註釋,我也搞不明白,也不知道該大神是怎麼弄明白的,更不知道若是不註釋會不會影響到後面.

2.

libgfortran.so.3: version `GFORTRAN_1.4' not found 

參照:http://stackoverflow.com/questions/9628273/libgfortran-version-gfortran-1-4-not-found

3.

 from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \

ImportError: numpy.core.multiarray failed to import 

 

這是一個很是牛逼的錯誤,由於它涉及到ubuntu14.04的numpy最新版本問題.

這個問題是由於numpy版本過低,ubuntu14.04的numpy在numpy網最高版本是1.8.2,系統版本也是1.8.2.而這裏咱們須要更高的版本,如1.10

查看numpy版本的命令是:

python -c "import numpy; print numpy.__version__"

用apt-get install numpy或者pip install --upgrade numpy等發現是不能自動爲系統升級numpy的,具體緣由不詳.因此最後,我選擇手動升級.

進入該網站下載numpy-1.10.0.tar.gz: https://sourceforge.net/projects/numpy/files/NumPy/1.10.0/

下載完以後,解壓到dir:B,輸入如下命令:

cd B
sudo mkdir path
python setup.py build -j8 install --prefix B/path

這樣,會在path下生成兩個文件夾lib和bin.

把bin下生成的f2py去替換掉/usr/bin下的f2py;把lib/python2.7/site-packages下的全部文件去替換掉/usr/lib/python2.7/dist-packages/下的原來的文件.便可完成升級.

4 還有其餘一些問題,不在此一一列舉,都是經過瘋狂百度或谷歌出來的,基本上都描述的很詳細.