在不同的服務器不同的機器上做過很多次實驗，分別遇到各種不一樣的錯誤并且跑通Py-Faster-RCNN，因此，在這里做一個流程的匯總：
一、下載文件：
首先，文件的下載可以有兩種途徑：
1、需要在官網上下載路徑：https://github.com/rbgirshick/py-faster-rcnn
該方法的下載之后文件夾：py-faster-rcnn/caffe-fast-rcnn/下可能是空白：這個時候你是需要繼續用命令行進行下載的
cd?caffe-fast-rcnn
git submodule update --init --recursive
2、在Ubuntu下直接進行命令行的下載：（個人更推薦這一方法：比較穩定）
git?clone?--recursive?https://github.com/rbgirshick/py-faster-rcnn.git
二、編譯CAFFE：
1、下載完成后我們進入py-faster-rcnn//lib 文件下編譯：
cd$FRCN_ROOT/lib
make
2、在py-faster-rcnn/caffe-fast-rcnn/文件路徑下，下載Makefile.config文件：
鏈接網址：https://dl.dropboxusercontent.com/s/6joa55k64xo2h68/Makefile.config?dl=0
3、改變里面兩個參數：（不改變的話后面的編譯可以進行，但是跑到后面的demo 的時候會發現一大堆的頭文件沒有包含進來，如下圖）
所以改變下面兩個參數非常有必要：
#In your Makefile.config, make sure to have this line uncommentedWITH_PYTHON_LAYER:= 1#Unrelatedly, it's also recommended that you use CUDNNUSE_CUDNN:= 1
4、編譯caffe:
cd$FRCN_ROOT/caffe-fast-rcnn
make -j64
可能會出現錯誤，如下所示：
解決辦法：進入自己根目錄下原來的Caffe下面拷貝相應的文件進入caffe-fast-rcnn
1.將./include/caffe/util/cudnn.hpp 換成最新版的caffe里的cudnn的實現，即相應的cudnn.hpp.
2. 將./include/caffe/layers里的，所有以cudnn開頭的文件，例如cudnn_conv_layer.hpp。?? 都替換成最新版的caffe里的相應的同名文件。
3.將./src/caffe/layer里的，所有以cudnn開頭的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
都替換成最新版的caffe里的相應的同名文件。如下圖所示：
繼續上面工作：
編譯成功！繼續前面命令行的編譯 ：
make pycaffe
編譯正確：繼續后面步驟；
三、下載訓練好的模型：
1、命令行下載：
cd$FRCN_ROOT./data/scripts/fetch_faster_rcnn_models.sh
2、從ImageNet訓練來的Caffe models (ZF, VGG16) pre-trained 模型下載命令（在SCRIPTS文件下包含下載的腳本，如果遇到錯誤一定是服務器上翻墻的問題）
./data/scripts/fetch_imagenet_models.sh
3、從VOC 2007訓練來的Faster R-CNN models trained 模型下載命令（同上）
./data/scripts/fetch_faster_rcnn_models.sh
4、設置好以上下載之后，我們的./data目錄下會出現需要的模型：
四、跑通demo.py文件：
上面已經編譯好了caffe并且下載做好了訓練好的模型何必要數據：我們現在可以開始跑demo了：
cd$FRCN_ROOT./tools/demo.py
跑通之后我們可以看到自己預測的圖片的目標框：
五、我們不局限于跑通demo.py，我們需要了解demo.py文件里面的原理：
首先我們來切割demo.py文件里面的功能塊：無非是：def vis_detections( )、def demo( )、def parse_args()
先來看一張功能解析圖：
我們可以看到：demo.py文件的主流是黃色箭頭、def vis_detections( ) 是紫色箭頭、def demo( ) 是淺藍色箭頭、def parse_args() 是紅棕色箭頭。
隨著箭頭的延伸我們越來越深入了解里面的函數轉換：其中：scores代表分數；boxes代表目標框對角兩個點四個坐標值；dets代表各個框坐標和分數組成的矩陣、inds超過閾值符合要求的窗口對應的下標。
六、具體代碼內容解釋：
Po出一些詳細的解釋的手稿：
原文鏈接：http://blog.csdn.net/errors_in_life/article/details/70916583
