该来的还是要来
之前为了偷懒想到使用 Docker 回避 Caffe SSD 编译的难题。结果，「天道好轮回，苍天饶过谁」。Docker 镜像内无法调用 GUI 显示以及摄像头，没法跑 ssd_pascal_webcam.py 做实时 Object Detection。所以没办法又得重新尝试编译 Caffe SSD。现在就记录一下，我在编译 Caffe SSD 时候遇到的坑。
如果你仅需要训练出 model 而后移植到别的机器上做推断的话，你可以直接使用我前一篇文章的方法安装 Docker，简单而便捷。「传送门」
下载源码
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd # 这一步很重要，不要忘记
# 如果你没有 git 的话就使用 「sudo apt-get install git」安装 git
依赖安装
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 libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install cmake build-essential
# 修改 Makefile.config 文件
cp Makefile.config.example Makefile.config
vim Makefile.config
# 修改内容如下
# 第5行，开启 cuDNN 如果你不想用 GPU 就别改这个，去掉第8行的 # 以开启 CPU_ONLY
USE_CUDNN := 1
# 我没有选择开启 OpenCV
# 如果你 CUDA 版本为 9.0 及以上，35 行开始修改如下
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
# 57 行
BLAS := open
# 101 行
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
# 102 行
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
# 修改好后 :wq 退出并保存
# 修改 Makefile
vim Makefile
# 改动如下
# 181 行
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
# 266 行
LIBRARIES += boost_thread stdc++ boost_regex
# 修改好后 :wq 保存并退出
开始编译
开始编译之前一定要保证你的 protobuf 版本低于3.0。 我使用的版本为 2.6.1
# 使用下面命令查看版本
protoc --version
如果你的版本很高，降级过程如下：
首先在这里下载 protobuf 2.6.1。下载完成后放在你想放的任何目录，然后终端中进入该目录并执行
tar -zxvf protobuf-2.6.1.tar.gz
cd protobuf-2.6.1
./configure
make
make check
sudo make install
# 如果以上 make 命令提示没有权限，则命令前加 sudo
# 完成后检查 protobuf 版本
protoc --verison
# libprotoc 2.6.1
# 编译过程在 Caffe 根目录下进行 ~/caffe/
make all -j8
make py
make test -j8
# 如果提示权限不足，上述命令前均加 sudo
# 如果 make py 过程中提示错误，尝试 sudo apt-get install python-numpy 解决
# 验证是否成功
cd python
python
import caffe
# 若未报错则成功，下一步是添加环境变量
vim ~/.bashrc
# 在文件末尾添加如下内容
export PYTHONPATH=/home/ubuntu/work/caffe_ssd/caffe/python:$PYTHONPATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
# :wq 保存退出
source ~/.bashrc
结语
大功告成，如何训练自己的数据集请看我另一篇文章。「传送门」
如果你有任何疑问，欢迎留言询问。
参考
https://blog.csdn.net/yhaolpz/article/details/71375762/
https://github.com/rbgirshick/fast-rcnn/issues/52
https://stackoverflow.com/questions/37007495/caffe-didnt-see-hdf5-h-when-compiling
https://stackoverflow.com/questions/48383846/nvcc-fatal-unsupported-gpu-architecture-compute-20-while-cuda-9-1caffeopen
https://github.com/weiliu89/caffe/tree/ssd
