Caffe学习（九）使用Nsight Eclipse调试py-faster-rcnn（C++/python混合代码调试）

实验目的

由于py-faster-rcnn均采用的是python接口，但是在内部调用了caffe的C++共享库_caffe.so，若想要搞清楚数据在网络中的具体流向，就必须要能够联合调试python和C++的混合代码，本文讲述如何使用Nsight实现这种功能。

软件版本说明

Nsight Eclipse版本：Nsight Version 8.0，对应的Eclipse版本为Juno，Eclipse 4.2
JDK版本：1.8.0_101
Pydev版本：4.5.0
gdb版本：7.7.1

Pydev安装

根据Eclipse和JDK版本，选择安装Pydev 4.5.0
强调：Pydev 2.8.2版本最高版本只支持 Eclipse 3.x，最高版本Pydev 5.3.0要求Eclipse最低版本为Eclipse 4.6，因此均能用，使用版本不一致的Pydev会导致安装后Eclipse环境里不出现Pydev选项。Pydev 4.5.0.经验证可使用
安装方式如下：
（1）选择help->Install new software，出现以下界面

（2）按上述图片输入更新源http://www.pydev.org/update_sites/4.5.0/

（3）在上述‘work with’框中输入’pydev’进行查询，出现以下查询结果，在结果中选择第一个选项，然后点击右下方的’next’按钮即可向下继续下载安装

（4）安装完成以后，重启Nsight，查看windows->preferences菜单栏即可出现以下图形，界面有段出现pydev选项则说明pydev安装成功

新安装完的nsight一般存放在 /usr/local/cuda-8.0/libnsight下

新建工程

新建C++ makefile工程：caffe-fast-rcnn

（1） file->new->makefile project with existing files

（2）新建三个如下图所示的make target

（3）添加工程的debug configuration
第一个如下图，主要作为单独调试时使用，在main应用出输入要调试的caffe科执行文件（存放在build/tools/caffe处），在Argument出输入’train –solver=examples/mnist/lenet_solver.prototxt’，此时就可以对单独的LENET网络的训练进行调试了。

第二个如下图，主要是作为与py-faster-rcnn工程联合调试时使用，也是本文所要介绍的一个。其类型为’C/C++ Attach to Application’，要调试的文件主要为’python/caffe/_caffe.so’，该文件也是最终要引入python里的caffe库里的最主要的函数来源（其余的均为python源文件）。

需要注意的是Nsight的默认调试器为cuda-gdb，这里需要将其换为gdb（点击图下方的’select other’），如下图。不换的话会出现’coalescing of the cuda commands outputs is off’的问题

新建Pydev工程：py-faster-rcnn

（1）file->new->Pydev工程，新建py-faster-rcnn工程
（2）原始的py-faster-rcnn里demo.py里都是相对路径，在这里调试时都要将其改为绝对路径（主要就三个：test.prototxt，yml配置文件）
修改后的demo.py的main函数如下：

if __name__ == '__main__':    cfg.TEST.HAS_RPN = True  # Use RPN for proposals    prototxt = 'models/pascal_voc_person/VGG16/test.prototxt'    caffemodel ='models/pascal_voc_person/VGG16//vgg16_faster_rcnn_iter_50000.caffemodel'    prototxt = sys.path[4] + '/' + prototxt    caffemodel = sys.path[4] + '/' + caffemodel    print caffemodel,prototxt    caffe.set_device(0)    caffe.set_mode_gpu()    cfg.GPU_ID = 0    net = caffe.Net(prototxt, caffemodel, caffe.TEST)    print '\n\nLoaded network {:s}'.format(caffemodel)    im_names = ['000456.jpg', '000542.jpg', '001150.jpg',                '001763.jpg', '000002.jpg', '000001.jpg','000003.jpg','000004.jpg','000005.jpg']    for im_name in im_names:        print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'        print 'Demo for data/demo/{}'.format(im_name)        demo(net, im_name)    plt.show()    exit()

python/C++联合调试

（1）首先在demo.py里加断点，然后进行python run debug，停止断点处。此时Nsight的控制台上会显示出当前demo.py的python线程的PID，如下图PID为26392

（2）运行caffe-fast-rcnn的第二个调试配置，选择正确PID的python线程，如下图，此时可以在_caffe.cpp里加断点，然后数据就能从python进入到_caffe.cpp里进行调试了

（3）调试正常工作界面