Ubuntu16.04 + GT 720M + Cuda8.0+ Py-faster-rcnn(caffe)

Cuda8.0 安装

cuda 的安装相对而言非常简便。具体来说，有两种主要的安装途径：一种是通过.deb文件进行安装；另一种则是利用.run 文件完成安装过程。通常情况下，推荐选择.deb文件作为安装介质，并且其操作更为便捷。

1. 下载安装 cuda8.0

下载
可通过官方网站获取：cuda 安装包下载 https://developer.nvidia.com/cuda-download
为了方便国内用户 download, 我会使用 Google Drive 分享 deb 文件, 但由于国内某些地区可能会无法正常 download, 建议直接访问官网获取: cuda8.0 deb 文件网络安装版 https://drive.google.com/open?id=0B_ujX9f31tyYM2ozVkJOTEZ6VkU

此方案的 CUDA 8.0（适用于所有 CUDA 版本）相对简单, 仅需三行命令即可解决问题:

使用dpkg命令安装指定软件包：

$ sudo dpkg -i cuda-repo-ubuntu1604_8.0.44-1_amd64.deb

更新系统缓存：

$ sudo apt-get update

安装CUDA库：

$ sudo apt-get install CUDA
]
【

安装cudnn库是一个可选步骤。实际上它是专为加速深度神经网络而设计的一组高性能库软件包。然而，在使用时需要考虑其显卡兼容性问题。具体来说，该库需要在至少3.0版本的支持下才能正常运行。因此，在这种情况下GT 720M显然无法满足这一最低硬件配置要求。如果需要进一步了解显卡性能，请访问以下链接：NVIDIA GPU 列表。

建议您参考NVIDIA GPU分类列表及其对应的计算能力匹配情况熟悉各类别 GPU性能参数, 以判断您的设备是否具备cudnn支持功能

安装CUDA的过程与CUDNN之间并不存在直接关联性。在此提及的是，在后续构建caffe的过程中需要用到

cudnn 下载

从官方网站获取：官方提供的cudnn下载地址

使用unzip命令展开包含在/cudnn-7.5-linux-x64-v5.1.tgz文件包中的内容到当前目录

进入cuda目录

在root目录下执行以下命令将头文件复制到/usr/local/include/

在root目录下执行以下命令将共享库复制到/usr/local/lib/

3. 重启电脑后，请检查CUDA是否成功安装
要检查CUDA是否正确安装其实非常容易。你可以通过运行nvidia-smi命令来完成这一操作。当输入nvidia-smi时，在屏幕上会显示相关信息界面（界面），这表明CUDA已经成功安装并配置好了。不过，请务必记住，在检查CUDA是否正确安装之前必须先重启电脑设备。

nvidia-smi

卸载cuda 并重新安装

当安装出现失败情况时，请确认是否已卸载旧版本并升级至最新版本？为了完成升级操作，请务必清除所有与CUDA相关的文件，并使用以下命令进行清理：

sudo apt-get remove –purge nvidia-*

再重新安装cuda。

Py-Faster-RCNN(Caffe)的安装

py-faster-rcnn的安装所需要做的工作其实主要是关于caffe的编译。

step 1. 安装常用的dependencies

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler libhdf5-dev

sudo apt-get install –no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

step 2. 安装 Cython, easydict, opencv

这三个库一定要记得安装，否则会报错

安装C扩展库cython。
安装Python字典库easydict。
使用apt-get安装OpenCV库。

step 3. 编译 Caffe for py-faster-rcnn

PS: 单独编译caffen 和在py-faster-rcnn文件夹中编译caffen大致相同, 因此在这里的编译同样可以实现独自完成caffen的构建.

推荐两个工具包：一个是基于Python实现的py-faster-rcnn开源项目rbgirshick，另一个是用于计算机视觉框架的Caffecaffe

从github上面clone整个目录:

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

注释：—recursive 用于 caffe-fast-rcnn（即 caffe branch），必须包含该内容；否则文件夹将为空。

step 4. 安装Python所需要的dependencies

cd py-faster-rcnn/caffe-fast-rcnn/python

在终端（Termianl）执行下面的命令：

foreach i in cat requirements.txt; do sudo pip install "$i"; done
PS: 运行此命令时，请务必切记不要省略sudo指令

在 /py-faster-rcnn/lib directory 目录下执行make, 会出现如下结果:

step 5. Compile caffe in caffe-fast-rcnn folder

cp Makefile.config.example Makefile.config
vim Makefile.config

取消设置变量 WITH_PYTHON_LAYER 的值为1。
取消设置变量 USE_CUDNN 的值为1。
如果计算机具备支持CUDNN的能力，则会进行设置；但我的电脑不具备该能力，在此处未做取消处理。

请在Makefile.config中加入以下代码块：
否则，在编译过程中可能会抛出错误。
值得注意的是，在Ubuntu 14.04 LTS环境中并未出现此问题。
然而，在 Ubuntu 16.04 上出现了该问题。
事实上，在不添加这两行代码的情况下程序将无法正常运行，
因为缺少hdf5.h文件导致程序无法启动，
此外还会出现其他相关错误，
因此建议必须执行上述步骤以解决问题

INCLUDE_DIRS := (PYTHON_INCLUDE) 位于/usr/local目录下的include文件夹 以及/usr目录下的include文件夹中的hdf5库中的serial头文件位置 LIBRARY_DIRS := (PYTHON_LIB) 位于/usr/local目录下的lib文件夹 和/usr目录下的lib文件夹 中的x86_64-linux-gnu版本hdf5库头文件位置

然后在py-faster-rcnn/caffe-fast-rcnn/:目录下编译caffe：

make all -j4 或者 make all -j8（取决于你的处理器核心数量）建议采用-j4或-j8以优化编译性能。

执行测试：$ make test

运行测试：$make runtest

PS: 当进行make测试操作时可能会遇到与test_smooth_L1_loss_layer.cpp$相关的错误问题。通过将此文件重新命名为test_smooth_L1_loss_layer.cpp.orig$可以有效地解决问题。

mv test_smooth_L1_loss_layer.cpp test_smooth_L1_loss_layer.cpp.orig

step 6. Make pycaffe

在位于py-faster-rcnn/caffe-fast-rcnn/文件夹内的环境中运行命令make pycaffe
若无错误提示，则会输出相应的结果信息

make : Nothing to be done for ‘pycaffe’

说明make pycaffe 成功

到此，所有的准备工作已经昨晚，现在下载model并测试。

测试

Step1. 下载model

在py-faster-rcnn/data/scripts/目录下执行下面命令得到所需要的model。

bash fetch_faster_rcnn_models.sh
bash fetch_imagenet_models.sh

Step 2. 测试
在py-faster-rcnn/tools/ 目录下执行：

python demo.py —net zf

得到测试结果如下：

到此，测试结束！

安装的过程可能会遇到一系列问题，在安装过程中需要注意的关键点已经列示在文章中，并且建议操作人员严格按照指导步骤进行操作以确保安全与效率

问题总结：

如果在编译过程中遇到关于hdf5.h的问题时，请首先检视一下你是否在Makefile.config中对以下两行进行了修改（其中用红色标注的是那些需要添加的内容）：

INCLUDE_DIRS := (PYTHON_INCLUDE) 带有 /usr/local 和 /usr 的 include 路径 /hdf5/serial LIBRARY_DIRS := (PYTHON_LIB) 带有 /usr/local、/usr、/usr/lib/x86_64-linux-gnu 和 /usr/lib/x86_64-linux-gnu/hdf5/serial 的 library 路径

以上设置定义了项目的包含目录和库目录

问题2： caffe版本的问题

我在编译过程中遇到了以下错误提示：make: *** [.build_release/src/caffe/parallel.o] Error 1其中可能的原因是我误用了cudnn v5版本的软件库：目前该框架不支持对其集成。因此我们采取的具体措施包括将caffeman整合至caffe-fast-rcnn框架中。

设置当前目录为Caffe的Fast R-CNN分支。
执行以下命令以配置远程Git仓库：
配置远程仓库CAFFERepository至本地环境：
git remote add CAFFERepository https://github.com/BVLC/caffe.git
下载并获取CAFFERepository中的代码块：
git fetch CAFFERepository
将主版本控制台（master）合并至本地CAFFERepository：
git merge CAFFERepository/master

并且把下面这一行给删除掉：

self_.attr(“phase”) = static_cast(this->phase_);

在/caffe-fast-rcnn/include/caffe/layers/python_layer.hpp

第3题： OpenCV 3版本的用户，请您确认以下内容是否正确配置： 在编译前，请您确认以下内容是否正确配置： 在编译前，请您确认以下内容是否正确配置： 在编译前，请您确认以下内容是否正确配置： 在编译前，请您确认以下内容是否正确配置：

Uncomment if you’re using OpenCV 3

OPENCV_VERSION := 3

把第二行给注释掉（去掉#号）。

问题4： 当运行make test$时涉及该文件的错误，请通过以下命令修复该问题：mv test_smooth_L1_loss_layer.cpp test_smooth_L1_loss_layer.cpp originate.

第5题：在运行make runtest时遇到了一个错误信息："locale::facet::_S_create_c_locale name not valid"。 通过以下命令进行处理：设置环境变量LC_ALL，并执行命令export LC_ALL="en_US.UTF-8"

问题6： 执行demo.py文件时如遇到下面问题：

F1125 06:19:12.150683 8945 roi_pooling_layer.cu:91] 检查失败：error变量等于成功值（8与0），表明存在无效设备函数。

Stack trace for check failure:

Aborted with a core dump

修改../lib/fast_rcnn/config.py第205行，把__C.USE_GPU_NMS = True改成__C.USE_GPU_NMS = False即可解决上面问题

在编译 caffe 的时候遇到了诸多问题，请参考以下常见问题汇总以获得帮助。如果您有任何疑问，请随时联系 lyushuen@gmail.com。