Faster RCNN 的py-faster-rcnn详细配置安装过程

软硬件环境：
Ubuntu16.04
NVIDIA GTX970
cuda8.0
cuDNN-v6
gcc/g++ 版本5.3（gcc本来是5.4，后来降级到4.9后，依然编译不成功，就又升级到5.3版本，5.4版本没有测试过）

py-faster-rcnn源码在Github下载地址： https://github.com/rbgirshick/py-faster-rcnn
参考文章：http://blog.csdn.net/Yan_Joy/article/details/53140783
1、Faster RCNN的环境搭建参照caffe环境搭建。
2、caffe编译前环境配置完成后，进入/home目录，下载py-faster-rcnn源码

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

注意！注意！注意！（重要的事情说三遍）：该命令下载的githbu上caffe代码比较老，而我用的cuda和cudnn是比较新的，因此caffe和cudnn版本不兼容，caffe编译会出现各种错误。所以此处需要下载BVLC/caffe最新版本和本地的版本合并。具体合并过程参照该链http://blog.csdn.net/ytusdc/article/details/77994430接下的错误1解决方法。

3、建立 Cython模块

cd py-faster-rcnn/lib   //进入目录py-faster-rcnn/libmake

4、编译Caffe 和 pycaffe
此处把配置caffe时的Makefile.config 文件复制到该目录下

cd py-faster-rcnn/caffe-fast-rcnn   //在目录caffe-fast-rcnn下编译make -j8 && make pycaffe

5、下载预计算的R-CNN检测器

cd py-faster-rcnn    //进入目录py-faster-rcnn./data/scripts/fetch_faster_rcnn_models.sh

该链接下载不了，原因你懂的，等我找到后会加上来。下载之后解压，会得到文件夹faster_rcnn_models,文件夹下有两个文件，如下图

把整个文件夹复制到路径py-faster-rcnn/data即可。

6、运行demo，验证是否成功

cd py-faster-rcnnsudo ./tools/demo.py   //最好使用sudo执行该命令，否则会出现莫名其妙的问题

如果成功，控制台显示如下信息：

最后的效果图，如下图

Faster RCNN搭建过程中的错误及解决方法：
http://blog.csdn.net/ytusdc/article/details/77994430