Ubuntu16+cuda9+cudnn7+OpenCV3安裝編譯caffe+faster-rcnn
開始
在此我省略了cuda和cudnn、opencv、anaconda等的安裝直接跳至安裝caffe（有時間的話可以補上，不過網上一大推，隨便搜搜就有），要安裝faster-rcnn, 首先要先編譯caffe, 如果編譯caffe成功了，那麼安裝faster-rcnn就簡單很多了(由於花了兩天的時間來安裝faster-rcnn，才過很多的坑，今天決定記錄下來，以供有參考)
安裝編譯caffe
環境
系統：ubuntu16.04
GPU：cuda9+cudnn7
Python：anaconda創建的python2.7環境
OpenCV 3.2.4
創建Python 2
因爲caffe對Python 3的支持不是很好，官方默認是使用Linux內置的Python 2環境，我們自己使用anaconda創建的Python 2 環境
# 新建Python2.7，環境名爲py2caffe，anaconda是新建同時安裝anaconda的所有包，如果你不需要所有包的話，可以指定具體的python包，如numpy等
conda create -n py2caffe python=2.7 anaconda
# 查詢conda環境
conda env list
# 激活該虛擬環境，如果命令行前面有（py2caffe），說明激活成功
source activate py2caffe
如圖所示
安裝依賴
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y --no-install-recommends libboost-all-dev
下載caffe
https://github.com/BVLC/caffe
進入到caffe根目錄（以後就以ROOT_CAFFE代替，畢竟每個人下載放置的位置不一樣）。
首先檢查Python的依賴包是否完整，缺少則進行安裝。
$ cd ROOT_CAFFE/python
$ for req in $(cat requirements.txt); do pip install $req; done
編譯安裝
這裏坑最多，樣最多，我用5毛錢和你打賭，如果編譯過程中報錯，你上百度谷歌搜索，絕對和你的不重樣，絕望!!!
首先配置Makefile.config，這個是最難的，以爲每個人的系統、環境、等因素不同，配置的東西也不同，一般地：
修改Makefile.config
USE_CUDNN := 1 (可選，有GPU就選上)
USE_OPENCV := 1 （可選）
OPENCV_VERSION := 3 （如果打開了USE_OPENCV，而且opencv版本爲3時）
# 還記得之前conda env list命令不，會顯示conda虛擬環境的路徑，** **內的路徑做替換成你的就行
PYTHON_INCLUDE := **/home/lzyx/.conda/envs/python2**/include/python2.7 \
**/home/lzyx/.conda/envs/python2/lib/python2.7**/dist-packages/numpy/core/include
WITH_PYTHON_LAYER := 1
INCLUDE_DIRS:= $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS:= $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
其他的可以根據你的系統做適當修改，這是我的Makefile.config，可以做參考、使用。
修改Makefile
第181行
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m
替換爲：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 opencv_core opencv_imgproc opencv_imgcodecs opencv_highgui
第425行
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
替換爲：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
這是我的Makefile，供參考使用。
修改如圖所示：
編譯caffe
第一種Make：
# 在ROOT_CAFFE目錄下運行以下代碼，編譯Makefile
make all
make test
make runtest
第二種Cmake：
# 在ROOT_CAFFE目錄下運行以下代碼，編譯Cmake
mkdir build
cd build
cmake .. # 有兩點，別忘了
make all
make install
make runtest
如圖，make runtest測試成功結果
編譯完之後，開始編譯Python版本的caffe
編譯pycaffe
# 在ROOT_CAFFE目錄下運行以下代碼
make pycaffe
測試pycaffe是否安裝成功：
# 在終端
$ python
>>> import caffe
如果沒有報錯就說明成功了
MINST數據測試
- 下載MNIST數據並解壓縮
# 在ROOT_CAFFE目錄下運行以下代碼
./data/mnist/get_mnist.sh
- 將其轉換成Lmdb數據格式
# 在ROOT_CAFFE目錄下運行以下代碼
./examples/mnist/create_mnist.sh
- 訓練網絡
# 在ROOT_CAFFE目錄下運行以下代碼
./examples/mnist/train_lenet.sh
- 測試結果：
![測試完成]()
分割線2018-11-5，今天先寫到caffe的編譯安裝，晚上再補充faster-rcnn的安裝過程
分割線2018-11-6，昨天感冒，晚上回來就睡着了，今天硬扛着寫完吧
安裝編譯faster-rcnn
（依然，我們繼續使用我們之前conda創建的虛擬環境變量python2，激活啓動）
在安裝完caffe後，依賴環境什麼的都齊全了，接下來直接安裝編譯py-faster-rcnn。
下載
# Make sure to clone with --recursive
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
同樣的，我們把py-faster-rcnn的根目錄設爲FRCN_ROOT
編譯
編譯還是兩種辦法，makefile和cmake，官網是使用FRCN_ROOT/lib/makefile下進行編譯的，這個方法坑很多，具體表現在cudnn的版本上，因爲當時py-faster-rcnn當時寫的時候，cudnn才4.0版本，源代碼上的都是cudnn4.0進行編譯的，如果你的cudnn版本與作者一致，直接運行
# 首先到lib下進行make編譯
cd $FRCN_ROOT/lib
make
# 在到caffe下進行編譯
cd FRCN_ROOT/caffe-fast-rcnn
make -j8 && make pycaffe
由於現在絕大部分的cudnn都在5.0以上，這就使得我們要修改有關cudnn的源代碼。來，倒滿，幹！
編譯cudnn>=5.0的請看這裏
我們要把源py-faster-rcnn裏的caffe源代碼替換成現在的caffe源代碼，這杯敬過去：
- 合併caffe和faster
cd FRCN_ROOT/caffe-fast-rcnn
git remote add caffe https://github.com/BVLC/caffe.git
git fetch caffe
git merge -X theirs caffe/master
- 刪除多餘
# 完成合並後，到FRCN_ROOT/caffe-fast-rcnn/include/caffe/layers/python_layer.hpp第29行刪除或者註釋掉，就是一下一行
self_.attr("phase") = static_cast<int>(this->phase_)
如圖
- 開始編譯
萬事俱備只欠東風，“東風”是什麼？還記得我們如何編譯的caffe嘛，這兒的caffe-faster-rcnn就是我們之前編譯的caffe的代碼，我們照葫蘆畫瓢，把"東風"引出來Makefile和Makefile.config，好，之前如果你的caffe編譯成功了，直接複製到這目錄下FRCN_ROOT/caffe-fast-rcnn，原來的刪除掉（重命名好像不可以）。
然後開始編譯cmake
# 在FRCN_ROOT/caffe-fast-rcnn目錄下
- mkdir build && cd build
- cmake .. # 有兩點，別落下啦~
- make all -j8
- make pycaffe -j8
- 測試
cd $FRCN_ROOT
# 下載模型
./data/scripts/fetch_faster_rcnn_models.sh
# 開始運行測試代碼
./tools/demo.py
因爲作者把三個模型都放在dropbox，國內上不去，所以一般情況下這個腳本下載失敗。最好的方法是文明上網（翻牆），自行下載，然後解壓放到FRCN_ROOT/data下。
dropout版:
faster_rcnn_models.tgz
imagenet_models.tgz
selective_search_data.tgz
百度雲：
鏈接: https://pan.baidu.com/s/1mjS29UNYZ-9LwxIPxl-NPQ
提取碼: 7t32
至於另一種編譯方法，即到lib下make，折騰了兩天沒弄出來我就算了，其實編譯原理和caffe差不多，就是cudnn版本不一致而已。
後續cudnn>5.0
如果你不進行上面git合併操作，你可以這樣：在原來的caffe源代碼和caffe-faster-rcnn下進行有關cudnn代碼的替換，具體的替換內容爲：
-
ROOT_CAFFE/caffe/include/caffe/util/cudnn.hpp 替換 FRCN_ROOT/caffe-fast-rcnn/include/caffe/util/cudnn.hpp
-
ROOT_CAFFE/caffe/include/caffe/layers/cudnn* 替換 FRCN_ROOT/caffe/include/caffe/layers/cudnn* （* 通配符，全匹配）
-
ROOT_CAFFE/caffe/src/caffe/util/cudnn.cpp 替換 FRCN_ROOT/caffe-fast-rcnn/src/caffe/util/cudnn.cpp
-
ROOT_CAFFE/caffe/src/caffe/layers/cudnn* 替換 FRCN_ROOT/caffe/src/caffe/layers/cudnn* （* 通配符，全匹配）
注意：是替換掉，最好不要重命名，替換完後就進行編譯。