一、安裝依賴項

安裝blas

$ sudo apt-get install libatlas-base-dev

安裝pip

sudo apt-get install python-pip

安裝其他依賴庫

$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler liblmdb-dev libgflags-dev libgoogle-glog-dev liblmdb-dev
 

$ sudo apt-get install python-dev

$ sudo apt-get install python-opencv

安裝python模組

$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn 
python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags cython ipython
 

二、安裝opencv

安裝過程不多說，網上教程很多，我習慣於下載好opencv，然後建立在opencv的主目錄建立一個build資料夾，終端cd到該資料夾直接

cmake ..

make

make install

三、下載配置caffe
從github上直接下載

$ git clone git://github.com/BVLC/caffe.git

用終端cd到caffe目錄下

cp Makefile.config.example Makefile.config

更改Makefile.config
的部分內容：

去掉CPU_ONLY :=1的註釋
註釋掉CUDA有關的行：
#CUDA_DIR := /usr/local/cuda
 

#CUDA_DIR := /usr
#CUDA_ARCH := ....
#TEST_GPUID := 0
去掉WITH_PYTHON_LAYER := 1的註釋

改正後：

make all 
make test
make runtest
make pycaffe

都make成功後cd caffe/python
資料夾。開啟python直譯器， 若import caffe成功， 則安裝成功

三、安裝py-faster-rcnn

 git clone --recursive  https://github.com/rbgirshick/py-faster-rcnn.git

安裝cython

sudo pip install cython

cd到/py-faster-rcnn/lib
修改setup.py檔案，註釋掉GPU相關程式碼，如下：

#CUDA = locate_cuda()
#self.set_executable('compiler_so', CUDA['nvcc'])
# Extension('nms.gpu_nms',
#        ['nms/nms_kernel.cu', 'nms/gpu_nms.pyx'],
#        library_dirs=[CUDA['lib64']],
#        libraries=['cudart'],
#        language='c++',
#        runtime_library_dirs=[CUDA['lib64']],
        # this syntax is specific to this build system
        # we're only going to use certain compiler args with nvcc and not with
        # gcc the implementation of this trick is in customize_compiler() below extra_compile_args={'gcc': ["-Wno-unused-function"],
#        'nvcc': ['-arch=sm_35','--ptxas-options=-v','-c','--compiler-options',"'-fPIC'"]},
#include_dirs = [numpy_include, CUDA['include']]
#),

setup.py修改完成後，在lib目錄下執行

make

接下來要編譯caffe（專案自帶的caffe-fast-rcnn）
修改Makefile.config，和之前修改caffe一樣

cp Makefile.config.example Makefile.config

更改Makefile.config
的部分內容：

去掉CPU_ONLY :=1的註釋
註釋掉CUDA有關的行：
#CUDA_DIR := /usr/local/cuda
#CUDA_DIR := /usr
#CUDA_ARCH := ....
#TEST_GPUID := 0
去掉WITH_PYTHON_LAYER := 1的註釋

改正後：

make -j8 && make pycaffe

至此安裝完畢

還要修改/py-faster-rcnn/lib/fast_rcnn/nms_wrapper.py檔案部分內容
1.登出

#from nms.gpu_nms import gpu_nms

2.改引數

def nms(dets, thresh, force_cpu=True):

四、執行demo.py
cd到py-faster-rcnn資料夾,下載caffe訓練集以及所需要的檔案

./data/scripts/fetch_faster_rcnn_models.sh 

cd到/py-faster-rcnn/tools，執行

./demo.py --cpu

之後可以看見系統已經訓練好的模型執行效果。
但是cpu還是比較慢的。且容易記憶體溢位。如果我們換成zf網路模型（預設為VGG16）需要

./demo.py --cpu --net zf