【原创帖!转载请注明

windows faster-rcnn安装一直会出现各种错误,本人在实验室电脑成功安装后,在自己电脑上同样的安装步骤也成功。所以做个总结,希望对大家有帮助。

一:安装环境

  1、windows10

  2、visual studio 2013

  3、cuda7.5 for windows10

  4、cudnn5.1 for windows 10

  5、py-faster-rcnn  https://github.com/rbgirshick/py-faster-rcnn

  6、caffe https://github.com/Microsoft/caffe

  7、py-faster-rcnn windows lib:https://github.com/MrGF/py-faster-rcnn-windows

  具体安装文件见本人最后的资源链接。

二:软件安装

(1)CUDA7.5

  cuda7.5直接安装操作,选择了默认安装路径。安装完成后,系统自动配置两个环境变量。

  CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5
  CUDA_PATH_V7_5:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5

为使用方便,我们在添加如下变量:

  CUDA_BIN_PATH:%CUDA_PATH%\bin
  CUDA_LIB_PATH:%CUDA_PATH%\lib\Win32
  CUDA_SDK_BIN:%CUDA_SDK_PATH%\bin\Win64
  CUDA_SDK_LIB:%CUDA_SDK_PATH%\common\lib\x64
  CUDA_SDK_PATH:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5

测试cuda安装是否工程:

  1、cmd输入nvcc -V

  2、进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5 点击Samples_vs2013.sln编译运行,出现如下图表面安装成功:

(2)cudnn5.1

  下载cudnn5.1 解压得到include ,bin,lib三个文件夹,将三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5下对应的include lib和bin文件夹下。

(3)Caffe安装

  参考本人上篇博客,由于要是用faster-rcnn,所以编译的时候需要roi_pooling_layer.hpp,cu,cpp等加入到libcaffe文件配置中。具体参考http://www.cnblogs.com/LaplaceAkuir/p/6445189.html

(4)py-faster-rcnn配置

  下载py-faster-rcnn,建议git clone,不然缺少分支。确认caffe编译后的Build/x64/Release/添加到系统环境目录。

  caffe编译下Build/x64/Release/pycaffe/caffe 目录复制到py-faster-rcnn/caffe-faster-rcnn/python目录下,替换原有文件。

  安装环境7的py-faster-rcnn下的lib复制到py-faster-rcnn下替换到原来的lib文件。

  安装必要库:conda install numpy pyqt ,本人用的anaconda2,可以直接安装。此步骤一般会安装多个依赖库。

  cmd切换到py-faster-rcnn/lib目录:执行python setup.py install 成功后,修改setup_cuda.py中第33行,CUDA的include路径为你自己的路径。

  执行 python setet_cuda.py install 安装成功后。

(5)运行demo  

  下载模型文件

  方案1、官方链接:http://www.cs.berkeley.edu/~rbg/faster-rcnn-data下载faster -rcnn model

  方案2、百度网盘地址:http://pan.baidu.com/s/1c1JQdby

  cmd切到py-faster-rcnn目录下,执行python ./tool/demo.py  可能出现错误和解决办法:

  1、编译遇到 AttributeError: ‘ProposalLayer’ object has no attribute ‘param_str_’  问题,找到对应文件,修改param_str_为param_str ,完成编译。

  2、proposal_layer.py出现 keyerror:’1’错误,将第64行改cfg_key='TEST'#str(self.phase)

  至此,编译完成,运行成功。

三:安装文件资源

  cuda7.5.18 ,cudnn5.1:  http://pan.baidu.com/s/1dE6qKFn

  faster-rcnn model: http://pan.baidu.com/s/1c1JQdby

  py-faster-rcnn for lib:  https://github.com/MrGF/py-faster-rcnn-windows

windows py-faster-rcnn配置的更多相关文章

  1. py faster rcnn+ 1080Ti+cudnn5.0

    看了py-faster-rcnn上的issue,原来大家都遇到各种问题. 我要好好琢磨一下,看看到底怎么样才能更好地把GPU卡发挥出来.最近真是和GPU卡较上劲了. 上午解决了g++的问题不是. 然后 ...

  2. 记pytorch版faster rcnn配置运行中的一些坑

    记pytorch版faster rcnn配置运行中的一些坑 项目地址 https://github.com/jwyang/faster-rcnn.pytorch 一般安装配置参考README.md文件 ...

  3. [计算机视觉][神经网络与深度学习]Faster R-CNN配置及其训练教程2

    faster-rcnn分为matlab版本和python版本,首先记录弄python版本的环境搭建过程.matlab版本见另一篇:faster-rcnn(testing): ubuntu14.04+c ...

  4. py faster rcnn的lib编译出错问题

    真是好事多磨啊,计算机系统依然是14.04,而cuda依然是8.0,唯一不同的是时间不一样,下载的各种库版本有差别,GPU的driver不一样. 但是这样就出问题了,py-faster rcnn的li ...

  5. Widows下Faster R-CNN的MATALB配置(GPU)

    目录 1. 准备工作 2. VS2013编译Caffe 3. Faster R-CNN的MATLAB源码测试 说在前面,这篇是关于Windows下Faster R-CNN的MATLAB配置,GPU版本 ...

  6. Widows下Faster R-CNN的MATALB配置(CPU)

    目录 1. 准备工作 2. VS2013编译Caffe 3. Faster R-CNN的MATLAB源码测试 说实话,费了很大的劲,在调试的过程中,遇到了很多的问题: 幸运的是,最终还是解决了问题: ...

  7. faster rcnn 源码学习-------数据读入及RoIDataLayer相关模块解读

    参考博客:::https://www.cnblogs.com/Dzhen/p/6845852.html 非常全面的解读参考:::https://blog.csdn.net/DaVinciL/artic ...

  8. Windows下如何采用微软的Caffe配置Faster R-CNN

    前言 比较简单的一篇博客.https://github.com/microsoft/caffe 微软的Caffe以在Windows下编译简单而受到了很多人的喜爱(包括我),只用改改prop配置然后无脑 ...

  9. faster r-cnn 在CPU配置下训练自己的数据

    因为没有GPU,所以在CPU下训练自己的数据,中间遇到了各种各样的坑,还好没有放弃,特以此文记录此过程. 1.在CPU下配置faster r-cnn,参考博客:http://blog.csdn.net ...

  10. 新人如何运行Faster RCNN的tensorflow代码

    0.目的 刚刚学习faster rcnn目标检测算法,在尝试跑通github上面Xinlei Chen的tensorflow版本的faster rcnn代码时候遇到很多问题(我真是太菜),代码地址如下 ...

随机推荐

  1. python中set集合的使用

    集合(set):把不同的元素组成一起形成集合,是python基本的数据类型. python 的集合类型和 其他语言类似, 是一个无序不重复元素集 基本功能包括关系测试和消除重复元素.集合对象还支持un ...

  2. Hybrid混合开发中schema协议的使用与封装

    混合开发中JS与APP通信的实现原理: JS通过schema协议,传递参数和全局回调函数给APP端 APP执行完(如微信扫一扫)后,调用协议中传入的回调函数,在前端执行回调处理. 默认写法: < ...

  3. Android 网络状态变化的监听

    1.在流量网页,时实现断网,提醒等功能. 需要权限 <uses-permission android:name="android.permission.INTERNET"/& ...

  4. CDR实例教程-高考789,敢拼就能赢!

    本教程是我去年做的一个案例,本来今年想要在做一个,突然意识到今天就是高考日了,没来的及,所以大家将就看些.7.8.9是值得一生纪念的日子,也是以后的每年都会怀念的日子,因为是全国都在上演史诗大剧“决战 ...

  5. zabbix_agent代理端监控FTP服务

    (FTP服务器) 监控agent的Linux主机我们在之前就已经做好了,现在直接安装ftp服务即可 (可以看上一遍文章如何搭建监控端agent)  这里不过多演示 [root@agent ~]# yu ...

  6. Ibatis在运行期得到可执行到sql

    环境:oracle-11g ,ibatis-2.0 ,java-1.7 最近因为有个需要是在程序中得到ibatis到sql字符串,即通过以下的ibatis配置得到sql语句 <select id ...

  7. js sort方法根据数组中对象的某一个属性值进行排序(实用方法)

    js sort方法根据数组中对象的某一个属性值进行排序 sort方法接收一个函数作为参数,这里嵌套一层函数用来接收对象属性名,其他部分代码与正常使用sort方法相同. var arr = [ {nam ...

  8. js 对象的创建方式和对象的区别

    js一个有三种方法创建对象,这里做一个总结. 1.对象直接量 所谓对象直接量,可以看做是一副映射表,这个方法也是最直接的一个方法,个人比较建议, 1 2 3 4 5 6 7 8 9 10 11 12 ...

  9. DML语句的使用(delete,update,insert)

     8)DML语句的使用   在PL/SQL中,DML语句与前面学习的 相同.    begin     --执行插入操作   insert into t001(id) values(1);     - ...

  10. 2015 Multi-University Training Contest 4 hdu 5338 ZZX and Permutations

    ZZX and Permutations Time Limit: 6000/3000 MS (Java/Others)    Memory Limit: 131072/131072 K (Java/O ...