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)