梦里风林
  • Introduction
  • Android
    • activity
      • Activity四种启动模式
      • Intent Flag
      • 多task的应用
      • Task和回退栈
    • sqlite
      • 【源码】CursorWindow读DB
      • Sqlite在Android上的一个Bug
    • Chromium
    • ListView读取DB数据最佳实践
    • Android Project结构
    • 一个由Proguard与FastJson引起的血案
    • 琐碎的一些tips
  • Computer Vision
    • 特征提取
    • 三维视觉
    • 计算机视觉常用工具
    • 浅谈深度学习数据集设计
    • 随笔
  • Machine Learning
    • 技巧
      • FaceBook: 1 hour training ImageNet
      • L2 Norm与L2 normalize
    • 实践
      • Pytorch实验代码的亿些小细节
    • 工具
      • Tensorflow学习笔记
      • MXNet踩坑手记
      • PyTorch踩坑手记
      • PyTorch模型剪枝
      • Keras踩坑手记
      • mscnn
      • Matlab
        • Matlab Remote IPC自动化数据处理
    • Papers
      • Classification
      • Re-identification
        • CVPR2018:TFusion完全解读
        • ECCV2018:TAUDL
        • CVPR2018:Graph+reid
        • Person Re-identification
        • CVPR2016 Re-id
        • Camera topology and Person Re-id
        • Deep transfer learning Person Re-id
        • Evaluate
      • Object Detection
        • 读论文系列·干货满满的RCNN
        • 读论文系列·SPP-net
        • 读论文系列·Fast RCNN
        • 读论文系列·Faster RCNN
        • 读论文系列·YOLO
        • 读论文系列·SSD
        • 读论文系列·YOLOv2 & YOLOv3
        • 读论文系列·detection其他文章推荐
      • Depth
      • 3D vision
        • 数据集相关
        • 光流相关
      • Hashing
        • CVPR2018: SSAH
      • 大杂烩
        • CNCC2017 琐记
        • ECCV 2016 Hydra CCNN
        • CNCC2017深度学习与跨媒体智能
        • MLA2016笔记
    • 《机器学习》(周志华)读书笔记
      • 西瓜书概念整理
        • 绪论
        • 模型评估与选择
        • 线性模型
        • 决策树
        • 神经网络
        • 支持向量机
        • 贝叶斯分类器
        • 集成学习
        • 聚类
        • 降维与度量学习
        • 特征选择与稀疏学习
        • 计算学习理论
        • 半监督学习
        • 概率图模型
        • 规则学习
        • 强化学习
        • 附录
  • Java
    • java web
      • Servlet部署
      • 琐碎的tips
    • JNI
    • Note
    • Effective Java笔记
  • 后端开发
    • 架构设计
    • 数据库
    • java web
      • Servlet部署
      • 琐碎的tips
    • Spring boot
    • django
    • 分布式
  • Linux && Hardware
    • Ubuntu安装与初始配置
    • 树莓派相关
      • 树莓派3B+无线网卡监听模式
      • TP-LINK TL-WR703N v1.7 openwrt flashing
  • Python
    • django
    • 原生模块
    • 设计模式
    • 可视化
    • 常用库踩坑指南
  • web前端
    • header div固定,content div填充父容器
    • json接口资源
  • UI
  • kit
    • vim
    • git/github
      • 刷爆github小绿点
    • Markdown/gitbook
      • 琐碎知识点
      • gitbook添加disqus作为评论
      • 导出chrome书签为Markdown
      • Markdown here && 微信公众号
    • LaTex
      • LaTex琐记
    • 科学上网
    • 虚拟机
  • thinking-in-program
    • 怎样打日志
  • 我的收藏
  • 琐记
    • 论文心得
    • 深圳买房攻略
  • 赞赏支持
由 GitBook 提供支持
在本页
  • Install
  • 编译
  • 测试(Python版)

这有帮助吗?

  1. Machine Learning
  2. 工具

mscnn

上一页Keras踩坑手记下一页Matlab

最后更新于6年前

这有帮助吗?

  • 别人写的

Install

  • 从github下载mscnn工程

  • 如果git clone出现

      正克隆到 'mscnn'...
      remote: Counting objects: 1120, done.
      error: RPC failed; curl 56 GnuTLS recv error (-110): The TLS connection was non-properly terminated.
      fatal: The remote end hung up unexpectedly
      fatal: 过早的文件结束符(EOF)
      fatal: index-pack failed
  • 用这种方法避开:

      mkdir mscnn
      cd mscnn
      git init
      git remote add origin https://github.com/zhaoweicai/mscnn.git
      git pull
  • 我只在ubuntu上安装,所以只讲ubuntu上的依赖:

    • 其他依赖

      sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
      sudo apt-get install --no-install-recommends libboost-all-dev
      sudo apt-get install libatlas-base-dev
      sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
    • Caffe在debian系列系统上对hdf5的支持导致的

编译

make all
make pycaffe
make matcaffe
make test
make runtest

测试(Python版)

  • 前面是用apt安装的opencv和protobuf,没有安装Python包,所以直接运行会报cv2和protobuf找不到

  • 安装opencv python包:

sudo apt-get install python-opencv
  • 这样会安装到系统默认的python解释器中,即/usr/lib/python2.7/dist-packages,我们把这里面跟opencv有关的复制到前面编译caffe指定的python解释器目录中,比如~/anaconda2/lib/python2.7/site-packages,同时注意改cv2的名字

sudo ln -s cv2.x86_64-linux-gnu.so cv2.so

搞定opencv的依赖

  • 安装protobuf python包: pip install protobuf(注意pip要和caffe对应的python解释器绑定)

由于前面的那份python代码用了nms来做GPU调用,这个东西是来自py-faster-rcnn的,也是caffe的一个变种,复制,然后make,按上面的复制opencv的方法把nms目录复制到caffe对应的python解释器就好了

Source Code
教程
CUDA和CUDNN
一个坑>>
源代码
这个目录