在pycharm中简单调试Faster RCNN

        Faster RCNN写的确实很复杂，看源码有些头疼，而且前面是用sublime写程序，看程序。后面改用pycharm，这个编辑器可以很方便调试代码，因此想在此sdk下调试一下Faster RCNN，最开始想着，直接写个启动faster_rcnn_end2end.sh脚本的python程序启动它，奈何命令行样式在pycharm中好像不能调试，我们看程序知道faster_rcnn_end2end.sh实际上去调用了tools文件夹下的train_net.py,如此我直接把命令行中需要传给那个faster_rcnn_end2end.sh脚本的参数直接传递给train_net.py不就搞定了，但为了保留train_net.py这个文件，我把tools下的train_net.py 复制一份放置在本文件夹下，并改名为train_netForDebug.py，同时修改一下这个文件下的一些部分就可以了，实现后果然能够调试了，因此记录于此。由于改动和原始代码不长，下面直接把train_netForDebug.py完整放置在此。

#!/usr/bin/env python

# --------------------------------------------------------
# Fast R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------

"""Train a Fast R-CNN network on a region of interest database."""

import _init_paths
from fast_rcnn.train import get_training_roidb, train_net
from fast_rcnn.config import cfg, cfg_from_file, cfg_from_list, get_output_dir
from datasets.factory import get_imdb
import datasets.imdb
import caffe
import argparse
import pprint
import numpy as np
import sys

###############################增添的部分#####################################
import os
PyFasterRCNNPath = r'/home/py-faster'
sys.path.insert(0, PyFasterRCNNPath)
os.chdir(PyFasterRCNNPath)

##配置参数在定义的类中修改吧
class TrainInputParms:
	def __init__(self):
            self.cfg_file='experiments/cfgs/faster_rcnn_end2end.yml'
            self.gpu_id=0
            self.imdb_name='voc_2007_trainval'
            self.max_iters=10000
            self.pretrained_model='data/imagenet_models/VGG16.v2.caffemodel'
            self.randomize=False
            self.set_cfgs=None
            self.solver='models/pascal_voc/VGG16/faster_rcnn_end2end/solver.prototxt'
###############################增添的部分#####################################

def combined_roidb(imdb_names):
    def get_roidb(imdb_name):
        imdb = get_imdb(imdb_name)
        print 'Loaded dataset `{:s}` for training'.format(imdb.name)
        imdb.set_proposal_method(cfg.TRAIN.PROPOSAL_METHOD)
        print 'Set proposal method: {:s}'.format(cfg.TRAIN.PROPOSAL_METHOD)
        roidb = get_training_roidb(imdb)
        return roidb

    roidbs = [get_roidb(s) for s in imdb_names.split('+')]
    roidb = roidbs[0]
    if len(roidbs) > 1:
        for r in roidbs[1:]:
            roidb.extend(r)
        imdb = datasets.imdb.imdb(imdb_names)
    else:
        imdb = get_imdb(imdb_names)
    return imdb, roidb


if __name__ == '__main__':
    args=TrainInputParms()#命令行参数解析换为一个类
    print('Called with args:')
    print(args)

    if args.cfg_file is not None:
        cfg_from_file(args.cfg_file)
    if args.set_cfgs is not None:
        cfg_from_list(args.set_cfgs)

    cfg.GPU_ID = args.gpu_id

    print('Using config:')
    pprint.pprint(cfg)

    if not args.randomize:
        # fix the random seeds (numpy and caffe) for reproducibility
        np.random.seed(cfg.RNG_SEED)
        caffe.set_random_seed(cfg.RNG_SEED)

    # set up caffe
    caffe.set_mode_gpu()
    caffe.set_device(args.gpu_id)

    imdb, roidb = combined_roidb(args.imdb_name)
    print '{:d} roidb entries'.format(len(roidb))
    roidb_1=roidb[1]
    roidbKeys=roidb_1.keys()
    print 'roidb_1.keys=',str(roidbKeys)

    output_dir = get_output_dir(imdb)
    print 'Output will be saved to `{:s}`'.format(output_dir)

    train_net(args.solver, roidb, output_dir,
              pretrained_model=args.pretrained_model,
              max_iters=args.max_iters)

这个改动是很小的，也方便调试