最近使用自己标注的数据集用 Faster R-CNN 训练了两个模型：VGG16 和 ResNet-50 ，在训练和测试的时候还是踩了很多坑，把遇到的问题及解决方法总结了一下，以供以后回顾。

一、训练

1. 错误：./tools/train_faster_rcnn_end2end.py is not found

执行文件的位置不正确，注意所有的命令最好都在 faster rcnn 的根目录中执行。

2. 错误：'module' object has no attribute 'text_format'

在 ./lib/fast_rcnn/train.py 文件里添加 import google.protobuf.text_format

3. 错误：TypeError: ‘numpy.float64’ object cannot be interpreted as an index

这个错误有人说可以降低 numpy 的版本来解决，本人试了，但还会报其他的错误，所以并不能算解决。

因为新版的 numpy 不能使用 float 类型来进行索引了，解决方法：转换类型

1./py-faster-rcnn/lib/roi_data_layer/minibatch.py

# 在第26行:
    fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)
# 修改为:
    fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image).astype(np.int)

2./py-faster-rcnn/lib/datasets/ds_utils.py

# 在第12行：
    hashes = np.round(boxes * scale).dot(v)
# 修改为：
    hashes = np.round(boxes * scale).dot(v).astype(np.int)

3./py-faster-rcnn/lib/fast_rcnn/test.py

# 在129行：
        hashes = np.round(blobs['rois'] * cfg.DEDUP_BOXES).dot(v)
# 修改为：
        hashes = np.round(blobs['rois'] * cfg.DEDUP_BOXES).dot(v).astype(np.int)

4./py-faster-rcnn/lib/rpn/proposal_target_layer.py

# 在60行：
        fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)
# 修改为：
        fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image).astype(np.int)
# 在123行起：
    for ind in inds:
        cls = clss[ind]
        start = 4 * cls
        end = start + 4
# 修改为：
    for ind in inds:
        ind = int(ind)
        cls = clss[ind]
        start = int(4 * cls)
        end = int(start + 4)