Windows下用cpu模式跑通目标检测py-faster-rcnn 的demo.py

关键字：Windows、cpu模式、Python、faster-rcnn、demo.py

声明：原文发表在博客园，未经允许不得转载！！！本篇blog过程已经多名读者实践验证，有人反馈报错TypeError:‘None Type‘ object has no attribute _getitem_‘，但拿本人编译好的文件可以跑通，对于此问题我没去探究，评论区给出了解决办法（nms函数cpu参数false改为true）。blog中除提到的下载链接外我还会给出网盘链接方便下载（链接失效，本人百度云上传次数受限无法再上传），包括我的整个工程的网盘链接。如果有些报错解决不了可直接拿本人的相关文件替换，本篇blog具有较高的参考性。

本人微软版caffe工程     下载链接：http://pan.baidu.com/s/1o83DIl0 提取密码：60zg

本人py-faster-rcnn工程    下载链接：http://pan.baidu.com/s/1bpjby2N 提取密码：t8aj

起因：导师交待目标检测有关论文的阅读任务，建议我跑下demo.py（一个测试小程序，可以读入图片及相关网络模型，进而对图片进行目标检测）。但是，我这个小白哪会啊？之前配置caffe环境电脑蓝屏重装系统后就一直不敢再装，后续实验都是在实验室有gpu的工作站上进行的。这次跃跃一试，本来配置的是gpu模式，到最后一步时，报了与cuda相关的错，后来查询电脑计算能力低于cudnn的最低要求，果断放弃gpu模式，转投cpu模式。但是网上真的没有教程啊，或者说只有那种极其简略的教程，debug也欲哭无泪，因为我源码没看多少。为避免后来人少走弯路，我着手写了这篇博客。本篇博客建立在作者没读过源码的基础上，所以很多解释都是较为粗糙但是实用的，我们的目标只有一个：Windows下用cpu模式跑通demo.py。实际上很多人不建议我用cpu跑，伤机器，可苦了我的ThinkPad e431。当初买电脑因为不玩游戏，所以买商务本，现在表示很后悔！

经过：经过？很痛苦、很痛苦、很痛苦，尤其是对一个啥也不会的小白来说更痛苦。不过在此过程中，有负责任的导师的帮助，还有幸遇到一个同济大神，他教会我很多东西！仅以此blog向他们致以崇高的敬意！

结果：当然是配好了gpu环境后发现自己显卡计算能力不够（配置gpu环境本篇不涉及，基本与cpu环境配置过程一致，只是要装cuda、cudnn以及修改一些配置信息），所以重新配置了cpu环境并跑通了demo.py。

特别感谢：俊杰哥（不想暴露他的信息）、导师、不染（QQ名）、rookie_cz（虽然他没教我什么，向他求助也不回我，但他的blog很有分量，略表感谢）。

适用对象：电脑上一切空白，没搭过caffe环境的人，py-faster -rcnn从零开始的人。

一、  准备工作

下载Anaconda2、visual studio 2013、opencv库以及notepad++

（1）下载Anaconda2.7（注意一定是2.7版本的，faster rcnn只支持Python 2.7）

下载链接：http://pan.baidu.com/s/1c11GaWC 提取密码：ak6q

本人安装了Anaconda windowsX64 2.7版本来配置python，安装Anaconda2后需要下载必要的python库，之所以选择Anaconda是因为它在安装时会自动安装一些必要的计算库。傻瓜式安装过程，为便于叙述的一致性，建议读者与我放在相同的路径下：D:\。

安装完成后按理说是会自动将Anaconda2中Python.exe的路径添加到系统环境变量中，最好是检查一下，至于怎么添加系统环境变量路径，我也是百度解决的。看了path，果然是自动添加的。

Anaconda安装完成后，打开cmd联网状态下敲入pip install protobuf回车再敲入pip install easydict回车，如图所示，联网状态下下载两个依赖包。如果这时敲pip list，可以看到机器所装的依赖包。因为我已经装过一遍，所以会有如下staisfied显示。

（2）下载visual studio 2013 文件太大，不提供网盘链接了，相信程序猿们一般都会下载，求助一个问题，怎么把vs2013的背景色由黑色变成白色，导师遇到了这个困惑。知道的同学麻烦留言。

（3）下载opencv图形图像处理库2.4版本

安装Opencv参考链接： http://www.cnblogs.com/chensheng-zhou/p/4895332.html

下载链接：http://pan.baidu.com/s/1jIdx6su 提取密码：a69d

我是放在了D:\中，把D:\opencv\opencv\build\python\2.7\x64目录下的cv2.pyd复制到D:\Anaconda2\Lib\site-packages目录下供后面调用。

（4）下载notepad++

下载链接：http://pan.baidu.com/s/1kV0wbav 提取密码：ozy7

一种文本编辑器，方便看打开文件的代码，傻瓜式安装。

二、  配置caffe环境 （cpu模式以及Python接口）

配置参考链接：

http://blog.csdn.net/xierhacker/article/details/51834563 http://www.cnblogs.com/LaplaceAkuir/p/6445189.html

由于我配置的是cpu环境，与它的大体过程差不多，但这两篇blog是网上为数不多讲的比较清楚的配置caffe环境文章，贴出来仅供参考，具体以以下操作步骤为准。

下载微软版的caffe，编译时它会自动在联网状态下下载第三方库，操作起来相对简单，这正是不选其他版本caffe的原因，下载链接：https://github.com/Microsoft/caffe。

下载链接：http://pan.baidu.com/s/1kVDntFh 提取密码：ff5n

打开网址页面如下，选择右上角clone or download-----dowmload zip下载caffe压缩包至电脑并解压，这里提醒一下，解压路径中最好不要有中文，比如我就放在E:\deep learning如图所示，解压后得到caffe—master文件夹。可以先无视我文件夹中的其他一些文件，比如cuda，实际上最后我也没用cuda,，至于原因前面已经提到过。

打开caffe-master文件夹,看到一个windows文件夹,打开windows文件夹,看到里面一个CommonSettings.props.example文件,复制一个副本,并改名字为CommonSettings.props，同时保留这两个文件（我发现好像编译caffe后CommonSettings.props.example文件貌似会消失，这里改主要是为了能使VS2013能识别，如图，前面加了了扳手图标）点进去修改一下配置信息，打开如下图，这里注意修改以下几个地方：（其他地方和我不一样可以先不用管）

第七行：  <CpuOnlyBuild>true</CpuOnlyBuild>    采用cpuonly模式

第八行：  <UseCuDNN>false</UseCuDNN>           不使用cudnn(与cuda加速深度学习的)

第十三行： <PythonSupport>true</PythonSupport>  编译Python接口需要打开

第四十八行：<PythonDir>D:\Anaconda2</PythonDir>  Python路径，建议放这保持一致

修改后保存、保存、保存

然后打开E:\deep learning\caffe-master，在此路径下找到Makefile.config.example文件，复制粘贴一个副本，并将名字修改为Makefile.config，这时同样看到一个小扳手图标。如图所示，点进去修改两个地方：

第八行： CPU_ONLY := 1       去掉#，文件本身这句是用#注释掉了

第八十七行：WITH_PYTHON_LAYER := 1  去掉#，文件本身这句是用#注释掉了

(by the way,如果觉得第多少行什么的不方便，建议用notepad++文本编辑器打开文件，如图可以显示行数) 修改后，保存、保存、保存。

打开caffe-master/windows/caffe.sln

在解决方案中找到libcaffe,右键点击“设为启动项目（A）”

在菜单栏找到调试—libcaffe属性，项目选择活动(released)、活动（x64）模式，修改libcaffe的C++常规设置，将警告视为错误选择否,如图所示。

设置完毕后即可开始编译了（如果只是为了跑通demo请先看三在libcaffe中添加三个文件），注意在联网状态下编译，这时会出现Nuget（第三方库）还原管理界面，结束后会在caffe-master的同级目录下生成一个NugetPackages的目录，装的是各种依赖库。

编译时间很长，耐心等待后没有报错就表明libcaffe编译完成了。然后在解决方案中找到pycaffe设为启动项目后进行上述相同的设置后编译。编译完成可能会报很多警告，只要不是错误就好了。

最后右键点击解决方案，点击重新生成解决方案，注意看是否是release模式

经过漫长的等待就会编译完毕，编译完成后，会得到一个bulid文件夹，如果你有图示的这些文件说明你上述编译成功了，注意看我下图的路径中的文件是否具备。

报错与解决：这块的报错我遇到过，一般会提醒某些格式错，用notepad++打开重新保存也许就可以解决了，主要是因为编码\n的问题。一般的错误百度基本都能找到解决办法。另外如果实在解决不了，那就按上述步骤重新编译一遍。

三、  faster-rcnn配置

配置参考链接：

http://blog.csdn.net/yueyuecsdn/article/details/53995383?winzoom=1

本来不打算把一、二分开写的，但考虑到任务不同，有的用caffe框架的任务不需要下述操作，所以还是分开写吧。如果是仅为了跑通py-faster-rcnn的demo.py可以在上述二中编译libcaffe前加入以下三个文件cu、cpp、hpp。

由于faster-rcnn中使用了roi-pooling-layer层，而微软版本编译时并未添加roi_pooling_layer，所以我们需要将hpp头文件、cu文件和cpp文件手动加入到libcaffe中。

具体操作：在caffe.sln的解决方案中找到libcaffe它目录下的cu-layers右键点添加-现有项，在E:\deep learning\caffe-master\src\caffe\layers中找到roi_pooling_layer.cu点添加。同样地，在libcaffe它目录下的include-layers右键点添加-现有项，在E:\deep learning\caffe-master\include\caffe\layers 中找到roi_pooling_layer.hpp点添加。最后，在在libcaffe它目录下的src-layers右键点添加-现有项，在E:\deep learning\caffe-master\src\caffe\layers中找到roi_pooling_layer.cpp点添加。

添加完成后，按照二中的说明编译libcaffe、pycaffe以及整个解决方案。

按照上述二、三过程，运行demo.py所需的环境基本上已经搭好了。以上如果出现了什么错，可以尝试重新生成试下，重新生成之前可以在VS2013菜单栏找到生成-清理解决方案点击，有时就是这么奇怪，重新生成就好了。

四、  跑通demo.py

参考链接：

http://blog.csdn.net/yueyuecsdn/article/details/53995383?winzoom=1

http://blog.csdn.net/chenzhi1992/article/details/53374265

将刚才编译好的E:\deep learning\caffe-master\Build\x64\Release\pycaffe目录下的caffe文件夹拷到D:\Anaconda2\Lib\site-packages目录下。

cmd命令行中敲入命令如图所示，如果结果如图所示显示>>>，说明Python接口已经搭好了。

下载py-faster-rcnn-master,链接:https://github.com/rbgirshick/py-faster-rcnn，打开网址页面如下，右上角clone or download下点击download zip下载压缩包后解压到电脑上，打开文件会发现py-faster-rcnn-master的caffe-fast-rcnn文件是空的，所以需要再点进去单独下载caffe-fast-rcnn然后解压到caffe-fast-rcnn文件夹，如图。

下载链接：http://pan.baidu.com/s/1jHDFeNc 提取密码：lpbc

下载链接：http://pan.baidu.com/s/1c2tiKDU 提取密码：oal1

下载好py-faster-rcnn-master，用E:\deep learning\caffe-master\Build\x64\Release\pycaffe目录下的caffe文件夹替换E:\deep learning\py-faster-rcnn-master\caffe-fast-rcnn\python目录下的caffe文件夹。

编译E:\deep learning\py-faster-rcnn-master\lib\setup.py，但这个setup是不能直接编译的。我用的是rookie_cz重新整理好的newsetup.py和setup_cuda.py下载后放到lib下。

下载链接：http://pan.baidu.com/s/1c1Ugq7u 提取密码：2dis

具体操作为：首先在电脑中搜索cl.exe的路径，将其路径添加到环境变量中（添加环境变量步骤请百度）。cl.exe在VS2013路径下：D:\vs2013\VC\bin,如图我把该路径添加到path中。

如果没有将cl.exe路径添加到环境变量中，就会报下面这个错。

然后在cmd中直接cd到lib下面，执行 python newsetup.py install 和python setup_cuda.py install，如图。

可能执行过程中会报错，以执行 python newsetup.py install为例，可能会出现如图所示的错误。

这时只需要接着报错error在cmd中敲SET VS90COMNTOOLS=%VS120COMNTOOLS% （如果用的是vs2013），敲完这句回车，继续敲python newsetup.py install，应该就没问题了。同样地，接着敲python setup_cuda.py install。执行这句可能会遇到下面这个错，只需下载一个lib文件夹来替换，用lib下的nms文件夹直接替换你的E:\deep learning\py-faster-rcnn-master\lib 目录下nms文件夹就行了，替换后重新python setup_cuda.py install。

下载链接：http://pan.baidu.com/s/1hrNm8te 提取密码：1ucz

两个py文件正确install的结果如图所示。

编译完成后，将经过上述编译两个py文件后产生的两个后缀为.pyd的文件在E:\deep learning\py-faster-rcnn-master\lib\build\lib.win-amd64-2.7\nms目录下复制拷到E:\deep learning\py-faster-rcnn-master\lib\nms中。（最佳的方法你直接用我的nms文件替换你的，可以省略很多步骤）

下载caffemodel（里面包括VGG网络和ZF网络训练好了的参数）解压到E:\deep learning\py-faster-rcnn-master\data目录下。

下载链接：http://pan.baidu.com/s/1kUYBIth 提取密码：qs85

以上过程可能会遇上我blog里未给出的错误，如果按照我的过程做，应该是不会遇到一些典型错误的，如果真的遇到有两种解决办法：一是百度，二是参考我给出的几条blog链接。

在跑demo之前还需要改几个地方防止它以gpu模式运行：

1.E:\deep learning\py-faster-rcnn-master\lib\fast_rcnn目录下nms_wrapper.py文件改成下面如图，主要是注释了几行，第9、17、18、19行。

2.E:\deep learning\py-faster-rcnn-master\tools目录下demo.py文件改成如图，注释了几个地方，另外做了部分修改。(建议可以直接替换我工程里的demo.py)

3.E:\deep learning\py-faster-rcnn-master\lib\rpn目录下proposal_layer.py文件修改第26行，将后面括号中的变量self.param_str_最后一个_去掉。

这里如果不改会报下面如图这个错。

E:\deep learning\py-faster-rcnn-master\lib\rpn目录下proposal_layer.py文件修改64—69行，改成我这个样子，恒定取值。如果觉得麻烦可以去我的工程里直接替换这个文件，貌似这步我改复杂了，可以百度参考一些blog。

如果不作这步修改，可能出现以下如图错误。

4.E:\deep learning\py-faster-rcnn-master\lib\nms目录下cpu_nms.pyx修改第25行，我是把第25行注释了，所以是第26行。将np.int_t改成np.intp_t保存，还是要觉得不妥直接替换我的工程就行了。我个人强烈建议在前面就用我工程的nms文件来替换你的，这样关于nms文件夹内很多文件修改都不用做了。如果没有用我的nms文件夹替换，在修改cpu_nms.pyx文件后需要重新执行python newsetup.py install和python setup_cuda.py install

如果不作这步修改，可能会报如图以下错误。

这时如果上述操作没问题，就可以跑了，首先cmd中cd到demo.py所在的文件夹E:\deep learning\py-faster-rcnn-master\tools

加载过程会比较慢的，耐心等吧，而且特别伤cpu。

跑成功的截图如图所示：

结语：写这篇blog花了我几天时间，本来准备用CSDN发表博客，但用过CSDN的人应该清楚我不用它的原因，因为有图CSDN插图太复杂。人生的第一篇blog教程，主要还是为了让大家避免走弯路。大家如果觉得有用，看完后心中默念：祝作者家庭幸福、学习进步、生活如意、爱情快来！ 哈哈，接受大家的祝福我会很happy的。