之前在一个不支持Cuda的电脑上配置了faster-rcnn,走了很多弯路,不过最终demo还是运行出来了。因为cpu运行速度太慢,故在支持GPU的电脑上重新配置。
经过两天坚持不懈,终于在Ubuntu14.04系统上将faster-rcnn 成功配置。过程中踩过无数个坑,遇到很多错误,幸运的是这些错误都解决了,因此撰写该博客记录faster-rcnn的配置过程,以及对配置过程中遇到的错误提供解决办法,避免今后再配置caffe时又踩坑。
电脑配置
- 系统:Ubuntu14.04
- GPU:NVIDIA GTX1080
安装caffe过程 参考博客:http://blog.csdn.net/xuzhongxiong/article/details/52717285 和http://blog.csdn.net/u012177034/article/details/52102676
1.安装相关依赖项
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 libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2.安装NVIDIA驱动
(1)查询NVIDIA驱动
首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动:
图1.显卡驱动查询
例如本人电脑的显卡驱动如下图:
图2.显卡驱动版本
(2)安装驱动
安装之前先卸载已经存在的驱动版本:
sudo apt-get remove --purge nvidia*
若电脑是集成显卡(NVIDIA独立显卡忽略此步骤),需要在安装之前禁止一项:
sudo service lightdm stop
执行以下指令安装驱动:
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-367 #注意在这里指定自己的驱动版本!
安装完成之后输入以下指令进行验证:
sudonvidia-smi
若列出了GPU的信息列表则表示驱动安装成功。
3.安装CUDA
CUDA是NVIDIA的编程语言平台,想使用GPU就必须要使用cuda。
(1)下载CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA:
图3.CUDA下载
(2)安装CUDA
下载完成后执行以下命令:
sudo sh cuda_8.0.27_linux.run
注意:执行后会有一系列提示让你确认,但是注意,有个让你选择是否安装nvidia361驱动时,一定要选择否:
InstallNVIDIA AcceleratedGraphicsDriver for Linux-x86_64361.62?
因为前面我们已经安装了更加新的nvidia367,所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误:
当出现“unsupport complier”错误时,说明gcc版本太高,需要降低gcc版本。解决办法如下:
以gcc4.9与g++4.9为例
安装低版本gcc与g++:
apt-get install gcc-4.9g++-4.9
@H_403_146@之后进入/usr/bin:
先删除和gcc5.0关联的gcc:
再建个软连接
(3)环境变量配置
打开~/.bashrc文件:
将以下内容写入到~/.bashrc尾部:
(4)测试CUDA的sammples
如果现实一些关于GPU的信息,则说明安装成功。
4.配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。 首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080,所以下载版本号如下图: 图4.cuDNN下载 下载cuDNN5.1之后进行解压,cd进入cuDNN5.1解压之后的include目录,在命令行进行如下操作:
再将cd进入lib64目录下的动态文件进行复制和链接:
5.安装opencv3.1
使用完上面的命令后,依赖已经安装完毕,但是由于Ubuntu 14.04版本的原因,导致opencv相关的环境不能够正常的work。所以,我重新编译了一个OpenCV,版本为3.1.0。
在解压后的目录中执行:
bigtop@bigtop-SdcOS-Hypervisor:~/tools/opencv-3.1.0$ cmake -DBUILD_TIFF=ON
然后执行make 和make install
以上是我亲自试过的。。
从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置,假设解压到了/home/opencv。
安装前准备,创建编译文件夹:
配置:
编译:
以上只是将opencv编译成功,还没将opencv安装,需要运行下面指令进行安装:
可能会出现的错误:
错误内容1:
说明gcc与g++版本不兼容,解决办法跟gcc版本太高时一样:
安装低版本gcc与g++:
之后进入/usr/bin:
先删除和gcc5.0关联的gcc:
再建个软连接
错误内容2:
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法:
修改 ~/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容,如图:
图5.文件修改
6.配置caffe
(1)将终端cd到要安装caffe的位置。
(2)从github上获取caffe:
注意:若没有安装Git,需要先安装Git:
(3)因为make指令只能make Makefile.config文件,而Makefile.config.example是caffe给出的makefile例子,因此,首先将Makefile.config.example的内容复制到Makefile.config:
(4)打开并修改配置文件:
根据个人情况修改文件:
a.若使用cudnn,则
b.若使用的opencv版本是3的,则
c.若要使用Python来编写layer,则
1配置python layers
2安装几个依赖
安装依赖库:
$ sudo apt-getinstall python-numpypython-scipy-matplotlib-sklearn-skimage-h5py-protobuf-leveldb-networkx-nose-pandas-gflagsCython ipython
install protobuf-c-compilerprotobuf-compiler
编译:
添加~/caffe/python到$PYTHONPATH:
# 添加: export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
$source/etc/profile# 使之生效
测试是否可以引用: cd caffe/python
在此过程中,可能会出现各种和python相关的包缺失问题,这里记录下,以便查询:
A》将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍:
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/caffe-fast-rcnn/python$ cat requirements.txt
Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4,<2
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0
执行如下命令:
for req in $(cat requirements.txt); do pip install $req; done
这里有一个小技巧,因为pip这个工具对应的网络非常的烂:
这个时候,可以将其改为国内的镜像网站,速度将提升几个数量级,方法如下:
[global]
index-url = http://pypi.douban.com/simple
trusted-host = pypi.douban.com
或者在安装一个软件包的时候使用-i选项:
在我安装requirements.txt中涉及的依赖包的过程中,发现matplotlib始终没有安装成功,最后采用apt-get的方式进行了安装,如下:
sudo apt-get install python-matplotlib
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1
d.重要的一项:
将# Whatever else you find you need goes here.下面的
- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
这是因为ubuntu14.04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.
(5)修改makefile文件
打开makefile文件,做如下修改:
1
2
3
4
- 1
- 2
- 3
- 4
(6)编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉:
1
2
3
4
(7)编译
1
- 1
1
解决办法:
step1:在Makefile.config文件的第85行,添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS,也就是把下面第一行代码改为第二行代码。
1
2
3
4
stept2:在Makefile文件的第173行,把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial,也就是把下面第一行代码改为第二行代码。
1
2
3
4
1
解决办法是将一些文件复制到/usr/local/lib文件夹下:
1
2
3
4
- 1
- 2
- 3
- 4
(8)测试
图6.caffe测试结果
到此caffe配置完毕!
MNIST数据集测试
配置caffe完成后,我们可以利用MNIST数据集对caffe进行测试,过程如下:
1.将终端定位到Caffe根目录
cd ~/caffe
2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh
3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
4.训练网络
./examples/mnist/train_lenet.sh
训练的时候可以看到损失与精度数值,如下图:
图7.MNIST数据集训练
可以看到最终训练精度是0.9914。
faster-rcnn提出论文: 《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》
faster-rcnn 的算法详解可看这篇博文(清晰易懂,良心博文!):http://blog.csdn.net/shenxiaolu1984/article/details/51152614
faster-rcnn Python版本源码地址:https://github.com/rbgirshick/py-faster-rcnn
这篇文章主要介绍搭建用faster-rcnn进行目标检测所需的环境。参考博客地址:http://blog.csdn.net/u011070171/article/details/52399317
1.配置caffe所需的环境
上面已经配置完caffe环境:依赖库 修改Makeconfig,opencv3.1,python
2.下载faster-rcnn python版本源码
- gitclone--recursivehttps://github.com/rbgirshick/py-faster-rcnn.git
3. 进入/py-faster-rcnn/lib 进行编译
- cdpy-faster-rcnn/lib
- make
4.编译/py-faster-rcnn/caffe-fast-rcnn
- cdpy-faster-rcnn/caffe-fast-rcnn
- cpMakefile.config.exampleMakefile.config
更改Makefile.config文件:
- #InyourMakefile.config,makesuretohavethislineuncommented
- WITH_PYTHON_LAYER:=1
- #Unrelatedly,it'salsorecommendedthatyouuseCUDNN
- USE_CUDNN:=1
进行编译:
- make-j8&&makepycaffe
因为这个版本所用的cudnn为旧版本的,可能与新环境的cudnn不兼容,导致出现如下错误:
- Infileincludedfrom./include/caffe/util/cudnn.hpp:5:0,
- from./include/caffe/util/device_alternate.hpp:40,
- from./include/caffe/common.hpp:19,
- from./include/caffe/util/db.hpp:6,
- fromsrc/caffe/util/db.cpp:1:
- /usr/local/cuda/include/cudnn.h:803:27:note:declaredhere
- cudnnStatus_tCUDNNWINAPIcudnnSetPooling2dDescriptor(
- ^
- make:***[.build_release/src/caffe/util/db.o]Error1
- make:***Waitingforunfinishedjobs....
解决办法:
1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现,即相应的cudnn.hpp.
2).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的,所有以cudnn开头的文件,例如cudnn_lrn_layer.cu,cudnn_pooling_layer.cpp,cudnn_sigmoid_layer.cu。
都替换成最新版的caffe里的相应的同名文件。
5.运行faster-rcnn里的demo
- cdpy-faster-rcnn/tools
- ./tools/demo.py
如果还有问题
faster rcnn 代码默认是使用的cudnn v4,但是为了体验最新的v5,或者使用GTX1080,我们编译faster rcnn的时候就会报错:
In file included from ./include/caffe/util/cudnn.hpp:5:0,
from ./include/caffe/util/device_alternate.hpp:40,
from ./include/caffe/common.hpp:19,
from src/caffe/data_reader.cpp:6:
/usr/local/cuda/include/cudnn.h:799:27: note: declared here
cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(
为此提供2种解决方案:
(1)取自github @manipopopo
cd caffe-fast-rcnn Gitremote add caffe https://github.com/BVLC/caffe.git git fetch caffe git merge caffe/masterRemove self_.attr("phase") = static_cast<int>(this->phase_); from include/caffe/layers/python_layer.hpp after merging.
(2)手动修改文件,参考了卜居大神的博客http://blog.csdn.net/kkk584520/article/details/51163564
方案1简单方便,但是当我们编译的是其他人修改过得源码,可能就会出错。方案2 步骤如下:
include/caffe/layers/cudnn_relu_layer.hpp,src/caffe/layers/cudnn_relu_layer.cpp,src/caffe/layers/cudnn_relu_layer.cu
include/caffe/layers/cudnn_sigmoid_layer.hpp,src/caffe/layers/cudnn_sigmoid_layer.cpp,src/caffe/layers/cudnn_sigmoid_layer.cu
include/caffe/layers/cudnn_tanh_layer.hpp,src/caffe/layers/cudnn_tanh_layer.cpp,src/caffe/layers/cudnn_tanh_layer.cu
include/caffe/util/cudnn.hpp
3. 将 faster rcnn 中的src/caffe/layers/cudnn_conv_layer.cu 文件中的所有
cudnnConvolutionBackwardData_v3 函数名替换为cudnnConvolutionBackwardData
cudnnConvolutionBackwardFilter_v3函数名替换为cudnnConvolutionBackwardFilter
问题二:opencv环境和caffe-fast-rcnn默认的Makefile配置有点小问题,cv::imread(cv:: String const&,int)找不到:
解决方案:
在一切都正常的情况下,对caffe-fast-rcnn进行make和make pycaffe的结果如下:
编译好caffe-fast-rcnn后,在py-faster-rcnn/lib中执行make命令:
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$ make
python setup.py build_ext --inplace
running build_ext
skipping 'utils/bBox.c' Cython extension (up-to-date)
skipping 'nms/cpu_nms.c' Cython extension (up-to-date)
skipping 'pycocotools/_mask.c' Cython extension (up-to-date)
rm -rf build
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$
问题三:
No module named skimage.io:
问题四:
下面这个问题是因为缺少,easydict,使用 sudo pip install easydict可以解决:
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ python demo.py --cpu
Traceback (most recent call last):
File "demo.py",line 17,in <module>
from fast_rcnn.config import cfg
File "/home/bigtop/py-faster-rcnn/tools/../lib/fast_rcnn/config.py",line 23,in <module>
from easydict import EasyDict as edict
ImportError: No module named easydict
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ sudo pip install easydict
Downloading/unpacking easydict
Downloading easydict-1.6.zip
Running setup.py (path:/tmp/pip_build_root/easydict/setup.py) egg_info for package easydict
Installing collected packages: easydict
Running setup.py install for easydict
Could not find .egg-info directory in install record for easydict
Successfully installed easydict
Cleaning up...
sudo pip install easydict
问题五:
这个问题是因为scipy安装出现问题,将其删掉:rm -fr /tmp/pip_build_root/scipy/,然后重新安装可以解决:
d --compile Failed with error code 1 in /tmp/pip_build_root/scipy
Traceback (most recent call last):
File "/usr/bin/pip",line 9,in <module>
load_entry_point('pip==1.5.4','console_scripts','pip')()
File "/usr/lib/python2.7/dist-packages/pip/__init__.py",line 235,in main
return command.main(cmd_args)
File "/usr/lib/python2.7/dist-packages/pip/basecommand.py",line 161,in main
text = '\n'.join(complete_log)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 98: ordinal not in range(128)
问题六:
报下面这个错误,是因为caffe的环境都没有准备好,很有可能是没有执行make pycaffe:
Traceback (most recent call last):
File "detector.py",line 29,in <module>
import caffe
File "/python/caffe/__init__.py",line 1,in <module>
from .pycaffe import Net
File "/caffe/pycaffe.py",line 6,in <module>
from ._caffe import CaffeNet
ImportError: No module named _caffe
问题七:
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
这个就是上文中提到的,使用ubuntu自带的opencv库会出现的问题,解决办法就是重新编译opencv。
问题八:
ImportError:Nomodulenamedyaml
problem: I got the "ImportError: No module named yaml " error when I attemptedto install NLTK toolkit to my ubuntu system.
solution:
yaml library for python seems to not be installed on your system.
On ubuntu system just do a :
sudo apt-get install python-yaml
On windows
easy_installpython-yaml
easy_install rosinstall
cd/usr/binsudorm
gcc
sudorm g++sudoln-sgcc-4.9gcc
sudoln-sg++-4.9g++sudovim ~/.bashrcexportPATH=/usr/local/cuda-8.0/bin${</span><span class="hljs-constant">PATH</span><span class="hljs-symbol">:+</span><span class="hljs-symbol">:</span><span class="hljs-variable">${PATH}}
exportLD_LIBRARY_PATH=/cuda8.0/lib64${</span><span class="hljs-constant">LD_LIBRARY_PATH</span><span class="hljs-symbol">:+</span><span class="hljs-symbol">:</span><span class="hljs-variable">${LD_LIBRARY_PATH}}cd/usr/local/cuda-8.0/samples/1_Utilities/deviceQuerymakesudo ./deviceQuerysudo cp cudnn.h /usr/local/cuda/include/#复制头文件sudocp
lib* /usr/local/cuda/lib64/#复制动态链接库
cd/usr/local/cuda/lib64/sudorm -rf libcudnn.so libcudnn.so.5#删除原有动态文件
sudoln-slibcudnn.so.5.0.5libcudnn.so.#生成软衔接
5libcudnn.so#生成软链接cd~/opencv
mkdir build
cdbuildcmake -DCMAKE_BUILD_TYPE=Release-DCMAKE_INSTALL_PREFIX=/usr/local ..make-j8 #-j8表示并行计算,根据自己电脑的配置进行设置,配置比较低的电脑可以将数字改小或不使用,直接输make。sudomake installgcc-4.9:errortryingtoexec'cc1plus': execvp:
没有那个文件或目录sudoapt-get install gcc-4.9g++-4.9cd/usr/binsudorm gcc
sudorm g++sudoln-sgcc-4.9gcc
sudoln-sg++-4.9g++modules/cudalegacy/src/graphcuts.cpp:120:54:error:
‘NppiGraphcutState’ hasnotbeen declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState,Npp8u* pDeviceMem);gitclonehttps://github.com/BVLC/caffe.gitsudoapt-get install gitsudocpMakefile.config.exampleMakefile.configsudogedit Makefile.config#打开Makefile.config文件将
#USE_CUDNN := 1
修改成:
USE_CUDNN :=1将
#OPENCV_VERSION := 3
修改为:
OPENCV_VERSION :=3#In your Makefile.config,make sure to have this line uncommented
WITH_PYTHON_LAYER := 1
# Unrelatedly,it's also recommended that you use CUDNN
USE_CUDNN := 1cython,python-opencv,easydictsudo apt-get install python-opencv
sudo pip install cython easydict$cd ~/caffe
$make pycaffe$sudogedit /etc/profile$ python
Python2.7.6(default,Jun222015,17:58:13)
[GCC4.8.2] on linux2
Type"help","copyright",0)">"credits"or"license"formore information.
>>>importcaffe
>>>INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为:
INCLUDE_DIRS local/include /usr/include/hdf5/serial
LIBRARY_DIRS local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial将:
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为:
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#-- unsupported GNU version! gcc versions later than 4.9 are not supported!make all -j8 #-j根据自己电脑配置决定"fatal error: hdf5.h: 没有那个文件或目录"将:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替换为:
INCLUDE_DIRS include /usr/include/hdf5/serial/将:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial"libcudart.so.8.0 cannot open shared object file: No such file or directory"#注意自己CUDA的版本号!
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.0 && sudo ldconfig
sudo 8.0/lib64/libcublas.0 /usr/local/lib/libcublas8.0/lib64/libcurand.0 /usr/local/lib/libcurand.0 && sudo ldconfigsudo make runtest