SSD: Single Shot MultiBox Detector 运行安装并执行ssd_pascal_webcam.py

硬件环境：Ubuntu14.04LTS X64， GT750M

资源获取

1.获取源代码

上github上获取整个[工程]（https://github.com/weiliu89/caffe/tree/ssd），选择download zip，得到caffe-ssd.zip文件。输入命令：

unzip caffe-ssd.zip

进行解压。

2.获取模型文件

下载models标题下面的07+12: SSD300*, SSD512*中的SSD300*，得到models_VGGNet_VOC0712_SSD_300x300.tar.gz文件，使用命令：

tar -zvxf models_VGGNet_VOC0712_SSD_300x300.tar.gz

解压得到models文件夹，讲文件夹中的内容复制到caffe-ssd/models下

编译安装

1.准备环境

SSD基于caffe框架开发，所以编译安装SSD的条件与编译安装caffe相同。没有配置过得请按照博客Ubuntu14.04通过make+cmake编译安装caffe 准备各种依赖。

安装scikit-image

这应该是SSD用于处理图像的工具吧：

sudo apt-get install python-skimage

安装numpy

sudo apt-get install python-numpy

安装python-protobuf

sudo apt-get install python-protobuf

2.修改Makefile.config

cd到caffe-ssd的注目录，输入命令

cp Makefile.config.example Makefile.config

如果是按照博客Ubuntu14.04通过make+cmake编译安装caffe 准备的环境的话需要对Makefile.config更改两处：
一是BLAS库的类型需要从SSD默认的OpenBlas更改为ATLAS：

# BLAS choice:# atlas for ATLAS (default)# mkl for MKL# open for OpenBlasBLAS := atlas# BLAS := open

二是显卡计算能力的调整，我的显卡是GT750M，CUDA能力为3.0，所以需要做如下更改：

# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 lines for compatibility.# CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_20,code=sm_21 \        -gencode arch=compute_30,code=sm_30 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_50,code=sm_50 \        -gencode arch=compute_50,code=compute_50# CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_53,code=sm_53 \        -gencode arch=compute_53,code=compute_53

caffe中的Makefile.config默认的为：

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_20,code=sm_21 \        -gencode arch=compute_30,code=sm_30 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_50,code=sm_50 \        -gencode arch=compute_50,code=compute_50

SSD将这一段注释了，添加了下面这一段：

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_53,code=sm_53 \        -gencode arch=compute_53,code=compute_53

这里我发现了一个令人尴尬的失误，我本来打算是把SSD添加的注释掉然后把caffe默认的那一段的注释取消。但是结果好像是两个都注释了，但是还是跑通了LOL。

3.修改json_parser_read.hpp

为什么要修改请看后文遇到的问题总结。这里在computer中搜索json_parser_read.hpp，具体方法是打开文件夹Document，选中computer，在搜索json_parser_read.hpp。找到该文件的路径之后用如下命令打开：

sudo gedit /usr/include/boost/property_tree/detail/json_parser_read.hpp

将257行开始的escape代码段注释掉，如下：

/*escape                    =   chset_p(detail::widen<Ch>("\"\\/bfnrt").c_str())                            [typename Context::a_escape(self.c)]                    |   'u' >> uint_parser<unsigned long, 16, 4, 4>()                            [typename Context::a_unicode(self.c)]                    ;*/

4.编译安装

输入命令：

make -j4make pymake test -j4# (Optional)make runtest -j4

其中-jx表示采用多核编译，根据自己电脑的核数选择参数。

5.运行ssd_pascal_webcam.py

首先执行如下命令（注意修改为自己的路径）

export PYTHONPATH=/home/gph/Desktop/caffe-ssd/python/

之后执行

python examples/ssd/ssd_pascal_webcam.py

即可运行。

问题总结

一 运行make之后出现如下错误：

/usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array
escape
^
/usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array
make: * [.build_release/cuda/src/caffe/layers/detection_output_layer.o] Error 1
make: * Waiting for unfinished jobs….

解决办法：
修改json_parser_read.hpp：打开文件夹Document，选中computer，在搜索json_parser_read.hpp，找到该文件的路径之后用如下命令打开

sudo gedit /usr/include/boost/property_tree/detail/json_parser_read.hpp

将257行开始的escape代码段注释掉即可，如下：

/*escape                    =   chset_p(detail::widen<Ch>("\"\\/bfnrt").c_str())                            [typename Context::a_escape(self.c)]                    |   'u' >> uint_parser<unsigned long, 16, 4, 4>()                            [typename Context::a_unicode(self.c)]                    ;*/

二 make py之后出现如下错误：

CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpppython/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: No such file or directory #include <numpy/arrayobject.h>                               ^compilation terminated.make: *** [python/caffe/_caffe.so] Error 1

解决办法：
安装numpy：

sudo apt-get install python-numpy

三 make runtest -j4出现如下错误：

Check failed: error == cudaSuccess (8 vs. 0) invalid device function

解决办法：
invalid device function是和显卡计算能力有关的，这个说名显卡的计算能力设置不对，修改Makefile.config相应地方如下：

# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 lines for compatibility.# CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_20,code=sm_21 \        -gencode arch=compute_30,code=sm_30 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_50,code=sm_50 \        -gencode arch=compute_50,code=compute_50# CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_53,code=sm_53 \        -gencode arch=compute_53,code=compute_53

caffe中的Makefile.config默认的为：

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_20,code=sm_21 \        -gencode arch=compute_30,code=sm_30 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_50,code=sm_50 \        -gencode arch=compute_50,code=compute_50

SSD将这一段注释了，添加了下面这一段：

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \        -gencode arch=compute_35,code=sm_35 \        -gencode arch=compute_53,code=sm_53 \        -gencode arch=compute_53,code=compute_53

这里我发现了一个令人尴尬的失误，我本来打算是把SSD添加的注释掉然后把caffe默认的那一段的注释取消。但是结果好像是两个都注释了，但是还是跑通了LOL。

四 运行python examples/ssd/ssd_pascal_webcam.py出错

错误一：

Traceback (most recent call last):
File “examples/ssd/ssd_pascal_webcam.py”, line 2, in
import caffe
ImportError: No module named caffe

解决办法，添加相应的caffe python路径：

export PYTHONPATH=/home/gph/Desktop/caffe-ssd/python/

错误二：

Cannot copy param 0 weights from layer 'conv4_3_norm_mbox_loc'; shape mismatch.  Source param shape is 12 512 3 3 (55296); target param shape is 16 512 3 3 (73728). To learn this layer's parameters from scratch rather than copying from a saved net, rename the layer.

解决方法：
模型文件和py文件不匹配，下载正确的模型文件。py中生成的test.prototxt中的conv4_3_norm_mbox_loc层配置如下：

layer {  name: "conv4_3_norm_mbox_loc"  type: "Convolution"  bottom: "conv4_3_norm"  top: "conv4_3_norm_mbox_loc"  param {    lr_mult: 1.0    decay_mult: 1  }  param {    lr_mult: 2.0    decay_mult: 0  }  convolution_param {    num_output: 16   <<==================此处为16    pad: 1    kernel_size: 3    stride: 1    weight_filler {      type: "xavier"    }    bias_filler {      type: "constant"      value: 0    }  }}

所以相应的模型文件的deploy.prototxt对应的层也应该如一样为16，而有的模型文件的prototxt文件为12，所以出错。