本篇博文是对论文DenseCap的源码实现，作者是斯坦福的Justin Johnson
项目地址：https://cs.stanford.edu/people/karpathy/densecap/
源码地址：https://github.com/jcjohnson/densecap
论文地址：http://arxiv.org/abs/1511.07571

注意事项：源码是15年写的，所以使用的是比较老版本的cuda和cudnn（8.0 v5.1），并且作者也没有在继续更新代码了，所以如果你想成功运行起来的话，尽量不要用太高版本的cuda，否则可能会出现文件丢失错误（libcudnn (R5) not found in library path.）

安装

安装以下依赖：

$luarocks install torch
$luarocks install nn
$luarocks install image
$luarocks install lua-cjson
$luarocks install https://raw.githubusercontent.com/qassemoquab/stnbhwd/master/stnbhwd-scm-1$.rockspec
$luarocks install https://raw.githubusercontent.com/jcjohnson/torch-rnn/master/torch-rnn-scm-1.rockspec

（可选）安装GPU相关依赖（如果你不使用GPU跑代码，可以不装这里）

1
2
3

$luarocks install cutorch
$luarocks install cunn
$luarocks install cudnn

下载预训练模型

在命令行中键入下面的指令，运行脚本下载预训练模型（注意，下面的脚本文件在github上的项目代码里，所以你要先把github上的源代码下载下来，然后进入到项目目录里面）

1	$sh scripts/download_pretrained_model.sh

用图片来测试模型

源码中自带了一张大象的图片，你可以用下面的指令来对大象图片进行测试，如果你想测试自己的图片，把图片放到项目中的imgs文件里，然后修改指令后面的图片名称为你自己图片的名称就可

1	$th run_model.lua -input_image imgs/elephant.jpg

如果你没有GPU，记得要加上-gpu -1指令来告诉模型在cpu上指令（CPU上的指令速度较慢，我自己的执行情况是：GTX980Ti：0.3s 酷睿i5/7：5～10min）

以上指令会生成vis/data文件夹，这就是模型的运行结果，可以用下面的方式查看结果，

1 2	$cd vis $python -m SimpleHTTPServer 8181（或者python -m http.server 8181)

然后，在浏览器中打开http://localhost:8181/view_results.html.

当然，如果你想一次运行数张图片，可以使用下面的指令，该指令会将指定路径下的图片全部执行

1	$th run_model.lua -input_dir /path/to/my/image/folder

问题：

我遇到了以下问题，这里列出我自己的解决方法，如果你还遇到了其他不同的问题，可以留言，我会尽快答复你

问题1：cutorch问题
提示找不到cutorch，或者其他什么相关的错误

解决办法：重新安装cutorch

1	$luarocks install cutorch

不幸的是，这个解决方法对我并没有用，我最后发现是因为代码运行的cutorch版本是5.1，而由于此时我安装了高版本的cuda（9），所以在使用上面的指令安装时，安装的是cutorch 5.2，所以提示找不多5.1的cutorch，最后，我重新换回了的cuda8.0，并重新安装cutorch，解决了问题，切换cuda版本的方法可以看这里：https://blog.csdn.net/ksws0292756/article/details/80120561

问题2：libcudd.5.so.5 找不到
主要原因还是cuda和cudnn的版本问题，我切换了cuda和cudnn的相关版本，换到cuda8.0和cudnn_v5.1以后，解决了问题