基于Jetson TX1的R-FCN的算法搭建

Data: 2017.03.13

Author: cjh

Theme: Set up the R-FCN environment

由于毕设要求最近都在开发板上尝试搭建各种深度学习的算法，由于JetsonTX1对于caffe的支持还不错，同时在整个过程中也遇到了很多的问题和错误，在这里和对此刚兴趣的朋友一起交流交流。

具体文章：我上传到我的的资源区，有需要的朋友可以直接去下载

注意：在搭建该算法前，先参考本博客中有关caffe环境的搭建，否则可能出现较多的错误

      同时，该算法的内存消耗较大，由于Jetson TX1只有4GB的内存，而本来要求的硬件系统：

Requirements: hardware

Any NVIDIA GPU with 6GB or larger memoryis OK(4GB is enough for ResNet-50).

所以Jetson TX1 勉强能跑ResNet-50，有时候跑到最后会出现Killed，就不要怀疑自己哪里装错了

作者采用的matlab版本的代码，本文针对的是python接口的算法

步骤1：下载代码

git clone https://github.com/Orpine/py-R-FCN.git

步骤2：下载caffe代码

cd py-R-FCN

git clone https://github.com/Microsoft/caffe.git

#该步骤可选具体我也不知道有什么用

cd caffe

git reset --hard 1a2be8e 

步骤3：编译Cython

cd py-R-FCN/lib

make

步骤4：编译caffe和pycaffe

cd py-R-FCN/caffe

cp Makefile.config.example Makefile.config

vim Makefile.config  #修改配置文件

USE_CUDNN := 1

CUDA_DIR := /usr/local/cuda-8.0

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/aarch64-linux-gnu/hdf5/serial

退出并保存

make -j8 && make pycaffe

步骤5：测试

下载resnet caffemodel

建议在windows上下载，因为文件比较大

https://1drv.ms/u/s!AoN7vygOjLIQqUWHpY67oaC7mopf

将下载好的文件解压到

py-R-FCN/data/rfcn_models/resnet50_rfcn_final.caffemodel

py-R-FCN/data/rfcn_models/resnet101_rfcn_final.caffemodel

最后运行demo

cd py-R-FCN/tools/

python demo_rfcn.py --net ResNet-50

python demo_rfcn.py --net ResNet-101

效果图我这里就不贴了了，能告诉你的是，跑完后，识别后的图片会自己打开的，如果没有打开就说明你的安装出现了问题，如果出现Killed说明是你的开发板内存不够！