一文教你跑通Faster-Rcnn

本文主要是介绍一文教你跑通Faster-Rcnn，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

第一步因为跑这个代码必须使用GPU进行加速，准备用CPU来跑的话，可以放弃了，安装cuda和cudnn，再安装NVIDIA的显卡驱动（版本一定要对），这方面网上教程非常之多，也有不少坑，仔仔细细一步一步的来是不会有多大问题的，安装完一定要进行一个测试，是否安装成功。

测试显卡驱动：$:nvidia-smi，出现GPU的使用情况，则代表成功

测试cuda：$:nvcc -V，出现Cuda的版本信息，则代表成功，cuda的环境变量一定要注意进行配置,写入/etc/profile

export PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} 
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 

第二步下载安装anaconda,下载python2.7版本的，后续我会提供３.5版本的faster-rcnn，下载地址：https://www.anaconda.com/download/

第三步下载Tensorflow版本的Faster-Rcnn代码，下载地址：https://github.com/CharlesShang/TFFRCNN

这个代码也并不是下载下来就能跑成功，需要填一些坑，按照Readme里的教程一步步来，基本没问题，总结起来就如下几个方面

1、数据集对应的下载下来放到对应位置

2、在lib下进行编译，生成gpu-nms和cpu-nms动态库，注意你的gcc版本，对make.sh文件进行相应的注释和解注，

尤其是要把-D_GLIBCXX_USE_CXX11_ABI=0改成-D_GLIBCXX_USE_CXX11_ABI=1，以及对psroipooling进行编译时也要加入-D_GLIBCXX_USE_CXX11_ABI=0。如下所示：

然后把train_net文件里的参数进行一个设置，即可运行

也许在这个过程中因人而异会出现不同的问题，但不要放弃，都可以解决，这个教程是比较傻瓜式的，因为我非常理解一个新手对于这个东西一无所知的时候，任何一个细节可能都需要琢磨半天。我会持续更新，有什么问题，欢迎留言讨论

这篇关于一文教你跑通Faster-Rcnn的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---