因为没有GPU，所以在CPU下训练自己的数据，中间遇到了各种各样的坑，还好没有放弃，特以此文记录此过程。

1、在CPU下配置faster r-cnn，参考博客：http://blog.csdn.net/wjx2012yt/article/details/52197698#quote

2、在CPU下训练数据集，需要对py-faster-rcnn内的roi_pooling_layer和smooth_L1_loss_layer改为CPU版本，

并重新编译。这位博主对其进行了修改，可直接进行替换：http://blog.csdn.net/qq_14975217/article/details/51495844

3、制作自己的VOC数据集，这部分参考博客：http://blog.csdn.net/gvfdbdf/article/details/52214008

4、为防止与之前的模型搞混,训练前把output文件夹删除（或改个其他名），还要把py-faster-rcnn/data/cache中的文件和

py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除（如果有的话）。

5、训练前的修改。我的数据集是检测监控视频中的人，因此只有背景和人两类。按着这篇博客进行修改就行了：

     http://blog.csdn.net/sinat_30071459/article/details/51332084

     还要修改py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置，包括stepsize，base_lr，

否则训练时很容易出现loss=-nan的情况

6、在py-faster-rcnn中训练

./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc  

7、测试

     将训练得到的py-faster-rcnn\output\faster_rcnn_alt_opt\***_trainval中ZF的caffemodel拷贝至

py-faster-rcnn\data\faster_rcnn_models，修改py-faster-rcnn\tools\demo.py（主要是类别的修改

和测试图片的修改）。运行

python demo.py --cpu

 8、结果

      可能是我数据量太少且质量不好（1000张），训练次数不够，检测效果不太好，在默认阈值下检测不出来。

当把demo.py中的CONF_THRESH降低到0.1时才检测出来一张，且速度很慢，大概13秒一张，效果一般。  

faster r-cnn 在CPU配置下训练自己的数据