faster-rcnn( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1/matlab )
- caffe-master + windows
我的电脑比较渣，独立显卡计算能力，所以并没有使用GPU+Cudnn加速。依照README.md中的指示在Makefile.config依次配置python，matlab环境。其中，在配置Miniconda2环境时，需要将E:\ProgramData\Miniconda2 & E:\ProgramData\Miniconda2\Scripts写入系统路径，然后才可以使用pip命令安装numpy和protobuf，安装指令
— pip install numpy
— conda install --yes numpy scipy matplotlib scikit-image pip
— pip install protobuf
环境配置完成后，修改windows下的CommonSettings.props文件，然后编译caffe for windows源码，记得将roi_pooling_layer和smooth_l1_loss_layer加到解决方案中来。
在运行faster-rcnn代码时，将和GPU有关的代码屏蔽掉即可。
- BVLC/caffe + ubuntu
首先下载caffe源码：download caffe: git clone git://github.com/BVLC/caffe.git
配置第三方库的过程请参考博客：http://www.cnblogs.com/yaoyaoliu/p/5850993.html
-
- 安装Cudnn
下载地址：https://developer.nvidia.com/cudnn，需要先注册账号，下载的时候需要注意cuda和cudnn版本的兼容性，我的是cuda7.5 & cudnn-7.5-linux-x64-v5.1。
解压之后，需要将相应的头文件和库文件拷贝到cuda的路径下以便调用，操作指令如下：
sudo tar xvf cudnn-7.5-linux-x64-v5.1.tgz
cd cuda
sudo cp include/*.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64
cd /usr/local/lib
sudo chmod +r libcudnn.so.5.1.10
sudo ln -sf licd bcudnn.so.5.1.10 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig
-
- 修改配置文件：
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1
USE_OPENCV := 1
USE_LEVELDB := 1
USE_LMDB := 1
OPENCV_VERSION := 3
CUDA_DIR := /usr/local/cuda
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_52,code=compute_52
BLAS := atlas
MATLAB_DIR := /usr/local/MATLAB/R2014a
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/lib
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
BUILD_DIR := build
DISTRIBUTE_DIR := distribute
TEST_GPUID := 0
Q ?= @
-
- 开始编译
在caffe路径下执行make all -j8编译源码。在编译matcaffe时可能会出现问题，如果是g++版本的问题，可以这样解决：在Makefile文件中
加上一句话
CXXFLAGS += -MMD -MP
CXXFLAGS += -std=c++11
如果报出缺少caffe.pb.h的错误，那么可以用 protoc caffe.proto --cpp_out=./ 指令生成caffe.pb.h文件，然后拷贝到 caffe/include/caffe/proto/路径下。
这样编译之后的caffe在faster-rcnn中仍然会报错，原因是缺少roi_pooling和smooth_l1_loss层，所以要在源码中加入这两个文件，之后还要修改caffe.proto文件，要分别在LayerParameter和V1layerParameter中添加：
optional ROIPoolingParameter roi_pooling_param = 150 & optional SmoothL1LossParameter smooth_l1_loss_param = 151;
另外，需要用如下方法来声明这两个层：
message ROIPoolingParameter {
// Pad, kernel size, and stride are all given as a single value for equal
// dimensions in height and width or as Y, X pairs.
optional uint32 pooled_h = 1 [default = 0]; // The pooled output height
optional uint32 pooled_w = 2 [default = 0]; // The pooled output width
optional float spatial_scale = 3 [default = 1];
}
message SmoothL1LossParameter {
// SmoothL1Loss(x) =
// 0.5 * (sigma * x) ** 2 -- if x < 1.0 / sigma / sigma
// |x| - 0.5 / sigma / sigma -- otherwise
optional float sigma = 1 [default = 1];
}
如此配置之后的caffe在faster-rcnn中仍会报错，这其中包括dropout train scale没有声明以及caffe缺少成员函数reshape_as_input等错误。说明faster-rcnn的caffe在BVLC版caffe的基础上有了较大改动，所以我决定使用shaoqingren提供的caffe代码重新编译。
- shaoqingren/caffe + ubuntu
作者提供的caffe由于是基于cuda6.5实现的，所以可能和自己装的cuda版本不一致，和cudnn相关的所有代码将出现不兼容的问题，并不想重装cuda，所有我尝试用caffe-master的代码重新编译。 - caffe-master + ubuntu
这个过程还算顺利，只需要去掉box_annotator_ohem_layer.cpp 这个文件，然后使用之前修改好的Makefile.config就可以了，大功告成！
