寫這篇文章主要是針對深度學習零基礎的新手，因為我也是新手，在配置環境這一塊花了我很大的心血，網上的資料很多都只是說配置，然後直接執行就完了，可是對於我這樣的新手在配置的過程中會遇見各種各樣的問題，所以在此給大家把我所遇到的問題總結出來，以免後續的人少走彎路，不廢話了。

1 系統環境

windows 7 X64
VS2013
GTX970
CUDA8.0
cudnn5.0
Miniconda X64 for python 2.7
opencv3.0

2安裝環境

參考我上面一篇部落格，caffe已經配置好了，並自己生成了release版本的庫檔案，配置faster rcnn來檢測運動目標，剛開始配置這玩意兒時我沒有安裝Miniconda 然後我就直接配，配的過程中會遇見很多少包的情況，最噁心的是有的包在windows下面是根本安裝不了，所以配置faster rcnn最好還是安裝一個miniconda或者其他的andaconda等。
Miniconda 安裝，本片文章涉及到的軟體都在最下面提供，Miniconda這個官網資源是非常的差，費了很大的勁才下載好，所以都免費給大家提供。
Miniconda安裝沒什麼好說的，傻瓜式的
 

把這兩個都給勾上就行了，會自動配置系統環境以及python，這個安裝的路徑我是選擇的D:/Miniconda的目錄，放在其他盤也行。然後在cmd命令提示裡面輸入 conda ，如果不提示找不到conda命令就說明安裝成功，環境配置成功
安裝完成後開始下載faster rcnn所需的依賴包
conda install --yes numpy scipy matplotlib scikit-image pip 
直接複製沒毛病哈，下載的過程可能會很慢，最好先翻牆然後再下載，下載完成後，檢視conda管理的工具包 conda list 

安裝包的時候我是沒遇見問題的，如果你們安裝的時候遇到什麼問題，請百度或者谷歌，我想安裝這一步的問題應該不大。
 

3 faster rcnn的配置

faster rcnn的下載，我是用的這個大神的，別弄錯了，這個還是很權威的，注意在下載的時候一定要用git下載 git clone –recursive https://github.com/rbgirshick/py-faster-rcnn.git
這樣的命令，要不然包會下載不全，windows下使用git下載的方式應該不用我在寫了吧，我是用的git for windows這個軟體，可以百度上下載，很方便的，就不多說了。下載好了之後解壓到自己的目錄，我的位置是 E:\Caffe\faster_rcnn
由於faster rcnn官方並沒有提供windows的編譯檔案，不過有大神已經編譯好了，我們就直接用吧

然後將E:\Caffe\faster_rcnn\py-faster-rcnn-windows-master下面的lib資料夾複製並替換了E:\Caffe\faster_rcnn\py-faster-rcnn下面的lib，全部替換了。

然後lib目錄下面有2個python寫的檔案

然後使用notepad++開啟，你們也可以用記事本開啟setup_cuda.py

在檔案的33行
include_dirs = [numpy_include, ‘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include’])
把gpu的目錄給放到這個地方，我的是預設的安裝目錄，根據你們自己的目錄來填寫，記得填寫兩個‘\’ 我複製過來的語句被瀏覽器轉義了就只看見一個，上面的圖片當中是2個’\’，別填寫錯了 ，然後儲存，

然後開啟cmd進入E:\Caffe\faster_rcnn\py-faster-rcnn\lib這個目錄，怎麼進不用我說了吧，然後輸入python setup.py install 一定要進入這個目錄，在執行這個命令的時候有可能會出錯，沒錯的就不管了
有可能出現python27.dll是X64位的，然後和目標機X86不配置之類的話，那就不要使用cmd的來執行，使用vs2013的命令提示工具來執行

然後進入E:\Caffe\faster_rcnn\py-faster-rcnn\lib這個目錄，再執行剛剛的命令，此時應該沒有剛剛的錯誤了。
但是如果再出現Microsoft Visual C++ 9.0 is required……這樣的錯誤的話，SET VS90COMNTOOLS=%VS120COMNTOOLS% （對於VS2013）複製這句話在命令列裡面，然後再執行剛剛的語句

出現這個說明安裝成功，同理執行python setup_cuda.py install,差不多的提示。

上面都成功後，此時需要把caffe編譯好的pycaffe存入到faster rcnn對應的目錄下
E:\Caffe\caffe\caffe\Build\x64\Release\pycaffe目錄下的caffe目錄完全拷貝在這個目錄
E:\Caffe\faster_rcnn\py-faster-rcnn\caffe-fast-rcnn\python的caffe目錄 替換掉，根據自己對應的解壓目錄來替換，
關於caffe編譯成release的檔案本文就不說了，我上篇部落格寫的有

接下來修改配置檔案E:\Caffe\faster_rcnn\py-faster-rcnn\lib\fast_rcnn下滿的config.py 如果沒有gpu的話就需要修改這個，如果有gpu就不用修改，本文就不說純cpu的編譯了，因此就不需要修改

3最後執行python的demo目標檢測程式

首先下載資料集，然後放在這個data目錄下面的faster_rcnn_models目錄下，就2個檔案，大概700-800M的資料caffemodel檔案

千萬別放錯了，要不然執行找不到資料集，本文最下面提供資料集的下載地址

然後這個目錄tools下面有一個demo.py的程式

用命令工具進入到這個tools的目錄，然後執行命令python demo.py
最關鍵的就是接下來的問題了，需要你一路披荊斬棘，過五關斬六將才能看見最終的結果，我就是被接下來的問題快折磨的放棄了，還好最終堅持下來，弄得我滿身疲憊，結果執行出來之後看著就非常有成就感，所以你們在配置的時候遇到什麼困難也別放棄，下面我所遇到的問題可能你們遇不到，也有可能會有額外的新問題也可以個我留言，反正別放棄！！

問題一

這個是缺少opencv的包，opencv待會兒也提供 我的是3.0的版本，安裝在D盤，看自己安裝在哪。然後開啟這個目錄D:\Opencv3.0\opencv\build\python\2.7\x64下面只有一個檔案就是cv2.pyd,然後複製該檔案到Miniconda的目錄下（現在就能體現出miniconda管理軟體的好處的，什麼都配置好了，所以建議這個必須安裝）D:\Miniconda\Lib\site-packages這個的根目錄下，別放錯了，算了還是截個圖吧

然後再執行python demo.py

問題2

提示缺少包easydict，沒有安裝的話就直接在cmd中輸入pip install easydict

再執行python demo.py

問題3

提示缺少skimage.io的包，最開始我就是因為沒有安裝miniconda，然後我使用python下載，然後各種百度啊 在windows上面就是安裝不上這個包，windows上面做這個到處都是坑啊，無奈之下 我還是安裝了minicoda，所有再次建議大家還是把這個給裝上，如果按照我開始的步驟已經執行過這句conda install –yes numpy scipy matplotlib scikit-image pip的話 此時就沒有這個問題，如果沒執行的話 此時來執行
conda install scipy matplotlib scikit-image等待下載安裝

再執行python demo.py

問題4

哇 這問題也弄得我很難受，出現這個問題後，我在miniconda下面下載這個包，下載好了之後再執行 python demo.py 可是還是包這個錯，有可能你們不會，我說說我的怎麼處理的，我把yaml的安裝路徑新增到系統的環境變數，預設的安裝位置是D:\Miniconda\Lib\site-packages\conda_env下，所以我在系統的環境變數path後面加入了這個，可是執行的demo的時候還是出現這個問題，啊 瞬間崩潰，然後找啊找，demo少依賴是吧，那我就直接把這個yaml放在它需要的依賴庫裡試試，E:\Caffe\faster_rcnn\py-faster-rcnn\lib\rpn 我就放在這了，然後再執行demo 哇咔咔果然通過了，2個檔案 yaml.py yaml.pyc。所以遇到問題多嘗試—-沒毛病，不過還沒完了 新問題又來了

問題5

這個問題當然也是少包，同樣在cmd下輸入pip install protobuf 然後等待安裝，看清楚有的是用的pip 有的是用的conda，具體為什麼就不說了，因為我也不知道。
然後再執行demo

問題6

哇 最燙手的問題來了，網上找各種資料啊，就是找不到啊，藍瘦香菇啊，後來網上看見別人說，微軟windows branch的分支沒有把這個roi_pooling層給加進去，那麼辦法了，然後我再去看編譯好的caffe，因為python寫的demo都是用的caffe的框架，而caffe的框架都需要libcaffe庫的支撐，所有我找到caffe目錄下的libcaffe

看他到底編譯roi_pooling這個沒有，所有用右鍵(記住不是雙擊，是右鍵)開啟libcaffe.vcxproj用notepad++開啟，當然也可以用記事本開啟，你能找得到位置的話

發現裡面所有的編譯檔案都沒有這個roi_pooling，但是caffe裡面又有roi_pooling_layer.cpp .cu .hpp這3個檔案，所以我就嘗試在裡面把這個新增進去，按照原來的格式
在157行加入了

<ClCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cpp" />

在265行加入了

<ClInclude Include="..\..\include\caffe\layers\roi_pooling_layer.hpp" />

在344行加入了

<CudaCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cu" />

當然這個libcaffe.vcxproj.filters檔案也一起修改，還是按照它預設的格式新增這3個檔案
在291行加入

<ClCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cpp">
<Filter>src\layers</Filter>
</ClCompile>

在569行加入

<ClInclude Include="..\..\include\caffe\layers\roi_pooling_layer.hpp">
<Filter>include\layers</Filter>
</ClInclude>

在781行加入

<CudaCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cu">
<Filter>cu\layers</Filter>
</CudaCompile>

好了最後開啟windows目錄下的caffe.sln 其他配置在上一篇部落格已經寫了，此時就直接右鍵生成libcaffe，果然能生成成功，於是在把整個caffe的所有工程給編譯了，果然全部生成成功16個，看著他成功後很激動啊。
然後把
E:\Caffe\caffe\caffe\Build\x64\Release\pycaffe目錄下的caffe目錄
重新複製一次到
E:\Caffe\faster_rcnn\py-faster-rcnn\caffe-fast-rcnn\python目錄的caffe目錄，因為重新編譯了一次嘛，所以再次替換

然後再執行demo.py 果然沒有剛剛的錯了，不過又出現新問題

問題7

根據它的提示檢視這個py檔案，E:\Caffe\faster_rcnn\py-faster-rcnn\lib\rpn這個目錄下的proposal_layer.py檔案
64行的原始碼是這樣的
cfg_key = str(self.phase) # either ‘TRAIN’ or ‘TEST’
後面有個註釋 使用train或者test 所以簡單的改的話就隨便修改成test就行了，正常改的話就這樣：去掉cfg_key = str(self.phase) # either ‘TRAIN’ or ‘TEST’這一行，改為下面的

        if self.phase:
            cfg_key = 'TEST'
        else:
            cfg_key = 'TRAIN'

不過一定得注意格式對齊，python很講究空格的，如果改成這樣出現語法錯誤的話，那麼就用cfg_key = ‘TEST’#str(self.phase) 吧，這個至少是能通過的
然後儲存再次執行demo，如果是GPU的話 那麼就執行出結果了，如果是純cpu的話 我就不清楚了，你們就自己動手研究了，好了 展示一下成果吧

如果你們按照我的方式配出來的話就點個贊吧，如果有其他的錯誤就留個言，純手工，自己截圖 寫了3個小時了，好累啊，轉載的時候請說明轉載出處
哎呀 資源你們需要的話就留言吧，我這上傳速度太慢了