在我的上个博客中已经对fast-rcnn配置运行demo.py做出了相应说明，在本博客中我将对fast-rcnn配置运行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel做出具体操作说明，希望可以解决大家在训练vgg网络时出现的问题。如果有训练不成功的朋友可以和我联系，邮箱ahuljx@126.com
好了，我们来玩玩这个fast-rcnn配置运行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel
第一部分：下载数据test data and VOCdevkit
下载原网址：http://www.cs.berkeley.edu/~rbg/fast-rcnn-data（供选择）
或者终端输入：
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
第二部分：解压生成文件夹 VOCdevkit
data下有文件夹命名为VOCdevkit,此文件夹中包含VOC2007和VOCcode（如第三部分所示）
就在data目录下输入下列命令解压，解压文件会自动跑到devkit这个文件夹，其中VOC2007会自动包含trainval和test这两个文件，即终端输入：
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
第三部分：文件夹包含目录
$VOCdevkit/ #development kit
$VOCdevkit/VOCcode/ #VOC utility code
$VOCdevkit/VOC2007 #image sets,annotations,etc.
第四部分：建立链接
终端输入：
cd $FRCN_ROOT/data（其中$表示您fast-rcnn的目录位置）
sudo ln -s VOCdevkit VOCdevkit2007
第五部分：下载 pre-computed Selective Search objectproposals
下载地址原网址：http://www.cs.berkeley.edu/~rbg/fast-rcnn-data（选择selective search那个文件）
拷贝放在data目录下解压
第六部分：下载 pre-trained ImageNet models（ CaffeNet (model S),VGG_CNN_M_1024 (model M),and VGG16 (model L).）
下载地址原网址：http://www.cs.berkeley.edu/~rbg/fast-rcnn-data（选择imagenet_models）
拷贝放在data目录下解压
第七部分：训练测试如下：
训练：Train a Fast R-CNN detector.
在fast-rcnn目录下终端运行：
./tools/train_net.py --gpu 0 --solver models/VGG16/solver.prototxt --weights data/imagenet_models/VGG16.v2.caffemodel
如果出现错误：
EnvironmentError: MATLAB command 'matlab' not found. Please add 'matlab' toyour PATH.
则增加（终端运行）：
export PATH=$PATH:/usr/local/MATLAB/R2014a/bin（前提保证matlab装好，make matcaffe通过）
测试：Test a Fast R-CNN detector.
./tools/test_net.py --gpu 0（用0不能用1,如果用1会显示核心已转存，即是内存出错） --def models/VGG16/test.prototxt --net output/default/voc_2007_trainval/vgg16_fast_rcnn_iter_40000.caffemodel
TIPS::如果用VGG_CNN_M_1024.v2.caffemodel这个模型，改一下中间的文件夹名称，即将VGG16改为VGG_CNN_M_1024.v2.caffemodel即可。
