因為自己的電腦沒有安裝linux環境，顯卡也不支持CUDA，所以在實現faster RCNN的demo的過程中還是很麻煩的。

完善項目文件

下圖是vs2013 打開的caffe解決方案的工程目錄。由于windows版本caffe的不完善，要先在其libcaffe項目中添加roi_poling層的相關支持。（Fast R-CNN的ROIPooling層需要這個源文件編譯）

具體做法是對cu&include&src下的layers右鍵，添加現有的項，分別添加的是roi_pooling_layer對應的.cu/.hpp/.cpp文件。其中.cu和.cpp文件在caffe安裝根目錄src/caffe/layers下。.hpp在include/caffe/layers下。

P.s:Caffe中的.cu文件，是交給nvcc編譯的c++源文件，可以編譯成cpu指令或者GPU指令。

修改屬性表

在commonSettings.props中修改屬性。為了配置caffe的接口，需要在屬性表中把python版編譯接口打開，并且指出anaconda2的路徑。這兩行分別在屬性表的13行和第48行。

好幾個博客都使用的是anaconda2的python安裝包，而caffe中默認的是Miniconda2（僅包含conda和 Python）。Anaconda是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項，anaconda2對應Python2版本。對比之下，pycharm、spyder是IDE，可以調試，代碼高亮，項目管理等。因為python是解釋型的語言，pycharm在新建項目的時候就需要指定interpreter，而這個解釋器就可以是anaconda下的python.exe。而在anaconda之中也集成了IDE：jupyter notebook。

從清華大學鏡像站下載anaconda，https://repo.continuum.io/archive/Anaconda2-4.2.0-Windows-x86_64.exe

（千萬要下載支持python2.7的anaconda2,不然后面會遇到找不到python27.lib）去編譯Release版本的pycaffe，好像如果編譯Debug版本會出現python27_d.lib找不到什么的。

Matlab也一樣，除了打開matlabsupport，還需要修改matlab.exe路徑和mxGPUArray.h所在include路徑。新版matlab的mxGPUArray.h位置改動了，可以將新位置放在includePath之中，也可以將頭文件復制到默認的includePath處。

重新編譯

在Build/x64/Release下得到pycaffe文件夾和 matcaffe文件夾。

Pycaffe：

Matcaffe：編譯過程中遇到了頭文件martix.h找不到的情況，把絕對路徑include進去就好了。還遇到了無法打開libmx.lib的問題，在項目屬性中添加庫目錄。

python中安裝caffe包

將編譯生成的pycaffe中的caffe文件夾拷貝到D:\Program Files\Anaconda2\Lib\site-packages中

在cmd中進入python命令行，然后import caffe，會出現下面問題

因為c++版本中生成的NugetPackages里面包含了依賴項opencv，protobuf等，而python版本還沒有。解決辦法是退出python，在cmd中conda install protobuf/pip install protobuf，安裝成功之后重新import caffe，沒有報錯。

驗證

使用的實例是Texture Synthesis with Convolutional Neural Networks這篇論文的代碼，主要實現的是利用噪聲生成一張真實圖片。下載，解壓github上的源碼https://github.com/leongatys/DeepTextures

在cmd中cd到解壓目錄，輸入jupyter notebook

可以在localhost：8888/中得到jupyter notebook，顧名思義，這是一個web型的交互式筆記本。顯示當前文件夾中的文件。

點擊example.ipynb，shift+enter逐步調試.

出現了python.exe停止運行等錯誤，中斷發現應該是GPU不支持的問題，在cmd中的提示驗證了這個猜想：

按照下面代碼把模式改成CPU：

#if cpu mode we should not call,below 3 line of code is just for using GPU mode. #gpu = 0 #caffe.set_mode_gpu() #caffe.set_device(gpu)

在鏈接1中是將代碼寫在一個py文件中一次性運行，而且因為不是在解壓文件目錄下打開jupyter notebook，用了絕對路徑。但是不管是分步運行還是一次性運行，都沒有報錯，都沒有圖像生成，理論上應該生成代碼給的參考圖像才對。現在還不知道怎么回事。

我懷疑是我除了anaconda2還安裝了一個python，所以運行notebook的時候有兩個kernels found，于是用pycharm新建了一個project，選擇anaconda2下的python.exe作為interpreter，但是顯示找不到caffe等：

Faster rcnn

Python版本的caffe和faster rcnn（鏈接3）：

下載py-faster-rcnn，地址：https://github.com/rbgirshick/py-faster-rcnn

針對windows環境，替換py-faster-rcnn中的lib）https://github.com/MrGF/py-faster-rcnn-windows將其中的文件復制進py-faster-rcnn進行替換。

替換后，在py-faster-rcnn根目錄—lib—rpn路徑下，編輯proposal_layer.py：

將Caffe根目錄—Build文件夾下，找到生成的pycaffe，將其中的caffe文件夾整體復制到py-faster-rcnn根目錄—caffe-fast-rcnn—python文件夾下。如果是用Download ZIP（因為我們已經有了Caffe-Microsoft），在py-faster-rcnn的caffe-faster-rcnn下單獨創建python文件夾，再將生成的pycaffe下的caffe拷貝進來。官方推薦用命令遞歸下載，遞歸的意思是initialize submodules in the clone，自動初始化并更新倉庫中的每一個子模塊：

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

Matlab版本的caffe+faster rcnn（鏈接4）

按照參考操作就可以了，需要注意的是要下載的是matlab版本的faster rcnn，解壓應該在faster-rcnn-master/experiment下。

需要針對cpu-only的環境修改代碼。因為不用GPU，所以還需要選擇網絡較小的zf-5，而不是很大的VGG-16.這兩個網絡的model在output文件夾下面。

我遇到的問題是：

先是出現invalid mex-file，添加了vs的dll文件在m文件目錄下，將build/x64/release路徑添加到系統環境變量。

然后出現了load使用錯誤的原因，其實是model文件和測試圖片的路徑錯了，按照提示改一下就好了。

下面是demo自帶圖像的測試結果：

Reference：

1.????? 下載anaconda2：https://www.cnblogs.com/billyzh/p/6307716.html

2.??????Jupyter：https://blog.csdn.net/zb1165048017/article/details/52980102

3.??????Py Faster RCNN：https://blog.csdn.net/u011185952/article/details/71079038

4.??????Mat faster rcnn：https://blog.csdn.net/mr_curry/article/details/54745116

5.??????翻墻獲取faster_rcnn_models：https://blog.csdn.net/hongbin_xu/article/details/76100132

6.??????修改setup.py到CPU：http://www.caffecn.cn/?/question/13

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的caffe下matlab、python的配置和faster RCNN的运行的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。