调试 smallcorgi/Faster-RCNN_TF 的demo过程遇到的问题

#2018年7月14日 目前，若需训练Faster R-CNN模型请使用其他GitHub项目，可以获得更好的效果。

如tensorflow版的https://github.com/endernewton/tf-faster-rcnn

或者使用facebook ai出品的Detectron https://github.com/facebookresearch/Detectron

最近在调试faster R-CNN时，遇到了各种各样的问题。使用的算法库为https://github.com/smallcorgi/Faster-RCNN_TF

　　注：本文使用的是通过virtualenv 创建python虚拟环境进行调试，python 版本2.7，tensorflow 版本为tensorflow1.4-gpu版。

　　1.首先要对它的库进行编译，

cd $FRCN_ROOT/lib

make

　　2.下载其提供的测试模型，由于墙的缘故，下载需要费一番功夫。以下是下载地址：

　　#20171115 添加百度云下载地址： 链接：https://pan.baidu.com/s/1zNWzMxBwQ6qVoXXvN89Peg 密码：0rtb

　　   https://drive.google.com/open?id=0ByuDEGFYmWsbZ0EzeUlHcGFIVWM

　　或者
　　  https://www.dropbox.com/s/cfz3blmtmwj6bdh/VGGnet_fast_rcnn_iter_70000.ckpt?dl=0
　　3.下载好之后就可以运行了。

cd $FRCN_ROOT
python ./tools/demo.py --model model_path

附：运行结果

遇到的难题

1.
编译过程中
nsync_cv.h:
No such file or directory，使用python虚拟环境会存在该问题。

/home/xxx/tensorflow/local/lib/python2.7/site-packages/tensorflow/include/tensorflow/core/platform/default/mutex.h:25:22:
fatal error: nsync_cv.h: No such file or directory

解决：编译的时候老是找不到该文件，最后直接把全路径填上了，编译通过，算一个笨方法吧。我的nsync_cv.h
文件的路径为：

/home/xxx/tensorflow/lib/python2.7/site-packages/external/nsync/public/nsync_cv.h

2.
运行demo过程中遇到的错误

g++:
error: roi_pooling_op.cu.o: No such file or directory

解决：按如下步骤设置
(1)
export PATH=$PATH:/usr/local/cuda-8.0/bin/ (你的CUDA路径)
for your terminal
(2) 在$FRCN_ROOT/lib/
make.sh 文件中，将
CXXFLAGS+='-undefined
dynamic_lookup'

改为
CXXFLAGS='-D_MWAITXINTRIN_H_INCLUDED'

3.
undefined symbol: _ZTIN10tensorflow8OpKernelE

这个问题卡得最久，因为make.sh
文件中缺少了TF_LIB
编译参数，还需要添加 -D_GLIBCXX_USE_CXX11_ABI=0

解决：

(1)修改make.sh
添加TF_LIB，并修改相应的编译参数

TF_LIB=$(python
-c 'import tensorflow as tf; print(tf.sysconfig.get_lib())')

　　......

g++
-std=c++11 -shared -o roi_pooling.so roi_pooling_op.cc
-D_GLIBCXX_USE_CXX11_ABI=0 \

roi_pooling_op.cu.o
-I $TF_INC -L $TF_LIB -ltensorflow_framework -D GOOGLE_CUDA=1 \

-fPIC
$CXXFLAGS -lcudart -L $CUDA_PATH/lib64

　　......

(2)重新make，然后运行

4.
缺少yaml库

查了网上的方法，都是这样的

sudo
apt-get install python-yaml

我试了，但是在虚拟环境中还是无法import，最后直接下载库，手动安装。注意，是在虚拟环境中，通过python
setup.py install 进行安装。

yaml 下载地址 http://pyyaml.org/download/pyyaml/PyYAML-3.12.tar.gz