1 电脑配置
CPU：英特尔 Xeon(至强) E5-1620 v2 @ 3.70GHz 四核
显卡：Nvidia Quadro K2200
操作系统：Ubuntu 16.04
2 显卡驱动安装
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367
nvidia-smi #查看驱动是否安装成功
3 安装测试CUDA
3.1 安装CUDA
3.1.1 下载CUDA安装包
我下载的版本是cuda_8.0.61_375.26_linux，下载runfile(local)那个
3.1.2 切换到安装包所在目录，执行命令
sudo cuda_8.0.61_375.26_linux.run --override
1). 启动安装程序，一直按空格到最后，输入accept接受条款
2). 输入n不安装nvidia图像驱动，之前已经安装过了
3). 输入y安装cuda 8.0工具
4). 回车确认cuda默认安装路径：/usr/local/cuda-8.0
5). 输入y用sudo权限运行安装，输入密码
6). 输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
7). 输入y安装CUDA 8.0 Samples，以便后面测试
8). 回车确认CUDA 8.0 Samples默认安装路径：/home/yuan（yuan是我的用户名），该安装路径测试完可以删除
3.2 安装cuDNN v5.1
3.2.1 下载cuDNN安装包
需要申请注册账号，我下载的版本是cudnn-8.0-linux-x64-v5.1
3.2.2 切换到文件所在目录，解压文件
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
此时在该目录下会产生一个cuda文件，执行以下命令：
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
cd ../lib64 #打开lib64目录
sudo cp lib* /usr/local/cuda/lib64/ #复制库文件
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #给所有用户增加这些文件的读权限
3.3 建立软链接
执行以下命令：
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量，终端输入
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后，创建链接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
按a进入插入模式，增加下面一行
/usr/local/cuda/lib64
按esc退出插入模式，按:wq保存退出
最后在终端输入sudo ldconfig使链接生效
3.4 cuda Samples测试
打开CUDA 8.0 Samples默认安装路径，终端输入
cd /home/yuan/NVIDIA_CUDA-8.0_Samples #（yuan是我的用户名）
sudo make all -j8
cd bin/x86_64/linux/release
./deviceQuery
不报错说明CUDA安装成功。
4 安装相关依赖包
执行以下命令：
sudo apt-get install build-essential #必要的编译工具依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git
sudo apt-get install python-pip
pip install ipython
pip install cython
sudo apt-get install python-numpy python-scipy python-matplotlib python-skimage
#安装protobuf!!!
pip install protobuf easydict pyyaml
sudo install cmake
安装opencv 3.1.0
执行以下命令：
wget https://github.com/Itseez/opencv/archive/3.1.0.zip
cd opencv3.1.0/
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
将/home/yuan/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp里的
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
改为
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
make
make -j8
sudo make install
5 安装配置caffe
git clone https://github.com/BVLC/caffe.git
cd caffe
sudo cp Makefile.config.example Makefile.config
sudo gedit Makefile.config #打开Makefile.config文件
5.1 根据个人情况修改文件
- 若使用cudnn，则修改
#USE_CUDNN := 1
- 若使用的opencv版本是3的，则修改
#OPENCV_VERSION := 3
- 若要使用python来编写layer，则将
#WITH_PYTHON_LAYER := 0
修改为
#WITH_PYTHON_LAYER := 1
- 重要的一项 :
将
# Whatever else you find you need goes here.
下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径。
终端输入
make all -j8
若编译失败可以
make clean
清除第一次编译结果然后
make all -j8
make test -j8
sudo ldconfig
make runtest -j8
make pycaffe -j8
make distribute #生成发布安装包
cd /home/yuan/caffe/python
python
import caffe
不报错则编译成功
5.2 下载mnist数据集测试
终端输入
cd home/yuan/caffe/data/mnist/
./get_mnist.sh
cd /home/yuan/caffe/
./examples/mnist/create_mnist.sh
训练
./examples/mnist/train_lenet.sh
训练的时候可以看到精度和损失值。
至此Caffe配置成功。
6 配置py_faster-rcnn
终端执行以下命令:
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
cd py-faster-rcnn/lib
make
cd py-faster-rcnn/caffe-fast-rcnn/
更新caffe版本
git remote add caffe https://github.com/BVLC/caffe.git
git fetch caffe
git merge caffe/master #有的地方合并失败也没关系
在合并之后注释掉include/caffe/layers/python_layer.hppa文件里的
self_.attr(“phase”) = static_cast(this->phase_)
把home/yuan/caffe目录下的Makefile.config文件copy到py-faster-rcnn/caffe-fast-rcnn/下
执行命令
make -j4
将/home/yuan/caffe/python/caffe目录下的_caffe.cpp copy（替换）到/home/yuan/py-faster-rcnn/caffe-fast-rcnn/python/caffe
执行命令
make pycaffe
将/home/yuan/py-faster-rcnn/caffe-fast-rcnn/python/caffe/init.py里的
from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver
from ._caffe import set_mode_cpu, set_mode_gpu, set_device, Layer, get_solver, layer_type_list, set_random_seed
删去，包括<<<<<HEAD和caffe master非法字符串。
7 运行faster rcnn demo
在windows端用迅雷下载model，URL：
https://dl.dropboxusercontent.com/s/o6ii098bu51d139/faster_rcnn_models.tgz?dl=0
CHECKSUM=ac116844f66aefe29587214272054668
在ubuntu环境中将文件解压到py-faster-rcnn/data/下，执行命令
cd py-faster-rcnn/
./tools/demo.py --net zf #--net：指定模型
8 运行faster rcnn demo时遇到的问题
问题1：
File "/home/yuan/py-faster-rcnn/tools/../lib/rpn/proposal_layer.py", line 64, in forward
cfg_key = str(self.phase) # either 'TRAIN' or 'TEST'
AttributeError: 'ProposalLayer' object has no attribute 'phase'
解决办法：找到/lib/rpn/proposal_layer.py，将第64行修改为 cfg_key = 'TEST'（训练时再改回来？）
问题2：
Loaded network /home/yuan/py-faster-rcnn/data/faster_rcnn_models/ZF_faster_rcnn_final.caffemodel
F0518 13:29:12.159129 2920 roi_pooling_layer.cu:91] Check failed: error == cudaSuccess (8 vs. 0) invalid device function
*** Check failure stack trace: ***
已放弃 (核心已转储)
解决办法：显卡计算能力不同导致。修改 py-faster-rcnn/lib/setup.py 的第135行，将arch改为与显卡相匹配的数值，然后删除utils/bbox.c，nms/cpu_nms.c ，nms/gpu_nms.cpp。
重新编译：
cd py-faster-rcnn/lib/
make
cd ../caffe-fast-rcnn/
make clean
make -j4 && make pycaffe -j8
