源码：https://github.com/rbgirshick/py-faster-rcnn
首先来看\tools\train_net.py，首先parse_args()读入命令行设置的参数信息，然后读取yml设置的参数信息，如下：
代码段1：
if __name__ == '__main__':
args = parse_args()
print('Called with args:')
print(args)
if args.cfg_file is not None:
cfg_from_file(args.cfg_file) #读取'.\\experiments\\cfgs\\faster_rcnn_end2end.yml'文件中的参数
if args.set_cfgs is not None:
cfg_from_list(args.set_cfgs)
cfg.GPU_ID = args.gpu_id #设置gpu id号
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_name为voc_2007_trainval，返回数据集，及数据集中的框标记信息（包括框类别，图片路径，宽高等），这里roidb为list，长度10022
imdb, roidb = combined_roidb(args.imdb_name)
print '{:d} roidb entries'.format(len(roidb))
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)1. combined_roidb函数解析
代码段1中的重点函数：
imdb, roidb = combined_roidb(args.imdb_name) 这里args.imdb_name为voc_2007_trainval，这个函数根据这个数据集名称，加载数据集接口给到imdb, 而roidb则为数据集中图片的标注框坐标及类别信息（包括框类别、坐标、图片路径、图片宽高等）。先看看这个函数的输出结果：
进入该函数的实现，也是在train_net.py文件中，如下代码段2：
代码段2：
def combined_roidb(imdb_names):#imdb_names为数据集名称列表，'imdb_names:voc_2007_trainval'
def get_roidb(imdb_name):#imdb_names:voc_2007_trainval
imdb = get_imdb(imdb_name) #返回voc2007数据集
print 'Loaded dataset `{:s}` for training'.format(imdb.name)
imdb.set_proposal_method(cfg.TRAIN.PROPOSAL_METHOD) #PROPOSAL_METHOD:'gt', 设置调用的roi函数，在pascal_voc中的gt_roidb
print 'Set proposal method: {:s}'.format(cfg.TRAIN.PROPOSAL_METHOD)
roidb = get_training_roidb(imdb) #翻转样本（可选），并获取数据集的图片路径、图片宽高、框的类别等，返回这些信息imdb.roidb
return roidb
roidbs = [get_roidb(s) for s in imdb_names.split('+')] #获取各个数据集的训练样本的标注框信息
roidb = roidbs[0] #获取第一个数据集的标注框信息
if len(roidbs) > 1: #如果是多个数据集
for r in roidbs[1:]: #将其他数据集的数据添加到roidb末尾
roidb.extend(r)
imdb = datasets.imdb.imdb(imdb_names)
else:
imdb = get_imdb(imdb_names)
return imdb, roidb代码段2的第10行，imdb_names是一个列表，数据集名称用‘+’分割，这里调用get_roidb获取各个数据集的信息。在get_roidb中，调用lib\datasets\factory.py中的get_imdb获取数据集索引，如下代码段3，__sets在lib\datasets\pascal_voc.py中已加载voc2007数据集的信息
代码段3：
def get_imdb(name):
"""Get an imdb (image database) by name."""
if not __sets.has_key(name):
raise KeyError('Unknown dataset: {}'.format(name))
return __sets[name]() #返回已加载的voc2007数据集代码段2的第5行，imdb.set_proposal_method(cfg.TRAIN.PROPOSAL_METHOD) 设置训练样本标注框的获取方式，这里PROPOSAL_METHOD为‘gt’，调用到lib\datasets\imdb.py以下函数，
代码段4：
def set_proposal_method(self, method):#method:'gt'
method = eval('self.' + method + '_roidb') #self.gt_roidb,在子类pascal_voc中实现
self.roidb_handler = method #将self.roidb_handler绑定为method函数接口method为self.gt_roidb，这里将imdb.py文件中的imdb类本身并没有gt_roidb函数，该函数的实现由pascal_voc.py中的pascal_voc类来实现，而pascal_voc继承了imdb类，gt_roidb的实现如下：
代码段5：
def gt_roidb(self):
"""
Return the database of ground-truth regions of interest.
This function loads/saves from/to a cache file to speed up future calls.
"""
#cache_path:'C:\\zhh\\py-faster-rcnn\\data\\cache', 'voc_2007_trainval'
cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl')#'C:\\zhh\\py-faster-rcnn\\data\\cache\\voc_2007_trainval_gt_roidb.pkl'
if os.path.exists(cache_file):
with open(cache_file, 'rb') as fid:
roidb = cPickle.load(fid)
print '{} gt roidb loaded from {}'.format(self.name, cache_file)
return roidb
gt_roidb = [self._load_pascal_annotation(index)
for index in self.image_index]
with open(cache_file, 'wb') as fid:
cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL)
print 'wrote gt roidb to {}'.format(cache_file)
return gt_roidbgt_roidb就是将py-faster-rcnn\\data\\cache\\voc_2007_trainval_gt_roidb.pkl中的标注框信息解析出来。
在回来看代码段2中的第7行， roidb = get_training_roidb(imdb) ，这个函数从voc2007数据集中获取标注信息，roidb为一个List，大小为10022，在get_trainning_roidb函数中，为了扩充数据，对voc2007的5011张训练图片做了翻转处理，得到10022张训练集图片，roidb的信息如下：
再来看get_trainning_roidb的实现，这个函数在\tools\train.py中实现如下：
代码段6：
#翻转样本（可选），并获取数据集的图片路径、图片宽高、框的类别等，返回这些信息imdb.roidb
def get_training_roidb(imdb):
"""Returns a roidb (Region of Interest database) for use in training."""
if cfg.TRAIN.USE_FLIPPED: #是否翻转样本，这里是True
print 'Appending horizontally-flipped training examples...'
imdb.append_flipped_images() #对样本做左右翻转，样本数量翻倍
print 'done'
print 'Preparing training data...'
rdl_roidb.prepare_roidb(imdb) #获取数据集的图片路径、图片宽高、框的类别等
print 'done'
return imdb.roidb代码段6中的第6行imdb.append_flipped_images() 对训练样本做翻转处理，其实现如下，可以看到其实并没有对图片本身做翻转，而是计算翻转后的标注框的坐标，然后用flipped:true标记是否做翻转处理。
代码段7：
# 对5011张训练集图片的标注框做左右翻转，需要处理的是标记框中的x坐标要做处理。处理后得到5011x2张训练集图片信息
def append_flipped_images(self):
num_images = self.num_images #5011
widths = self._get_widths() #widths：list, len5011, voc2007中每张训练图片的宽度
for i in xrange(num_images):#
boxes = self.roidb[i]['boxes'].copy() #调用pascal_voc 中的gt_roidb读取voc2007 pkl文件，self.roidb返回的是一个list，大小为5011， 这里获取第i图片的标记框坐标
oldx1 = boxes[:, 0].copy() #获取框的左上角 x 坐标，这里有3个boxes, 因此oldx1长度为3，[262, 164, 240]
oldx2 = boxes[:, 2].copy()#获取框的右下角 x 坐标，这里有3个boxes, 因此oldx1长度为3，[323, 252, 294]
boxes[:, 0] = widths[i] - oldx2 - 1 #宽度减去右下角 x 坐标，作为框的左上角x 坐标，即将图片左右翻转
boxes[:, 2] = widths[i] - oldx1 - 1 #宽度减去左上角 x 坐标，作为框的右下角 x 坐标，即将图片左右翻转
assert (boxes[:, 2] >= boxes[:, 0]).all() #右下角 x 坐标 要比 左上角 x 坐标 值要大
entry = {'boxes' : boxes,
'gt_overlaps' : self.roidb[i]['gt_overlaps'],
'gt_classes' : self.roidb[i]['gt_classes'],
'flipped' : True}
self.roidb.append(entry) #将翻转后的图片加入到roidb队列
self._image_index = self._image_index * 2 #图片名称复制一份再来看代码段6中的第10行rdl_roidb.prepare_roidb(imdb) 这个函数获取扩充后的数据集的图片路径、图片宽高、框的类别等，其在lib\roi_data_layer\roidb.py中实现如下：
代码段8：
def prepare_roidb(imdb):
"""Enrich the imdb's roidb by adding some derived quantities that
are useful for training. This function precomputes the maximum
overlap, taken over ground-truth boxes, between each ROI and
each ground-truth box. The class with maximum overlap is also
recorded.
"""
sizes = [PIL.Image.open(imdb.image_path_at(i)).size
for i in xrange(imdb.num_images)]#10022（原来5011张，翻转后10022张）张训练图片的宽高
roidb = imdb.roidb #10022张训练图片的标注框信息
for i in xrange(len(imdb.image_index)):
roidb[i]['image'] = imdb.image_path_at(i) #图片的路径，第一张图为000005.jpg，该图中标注有3个框，都是chair(类别序号为9)
roidb[i]['width'] = sizes[i][0] #图片的宽
roidb[i]['height'] = sizes[i][1] #图片的高
# need gt_overlaps as a dense array for argmax
gt_overlaps = roidb[i]['gt_overlaps'].toarray() #3x21, 有3个框，一行表示1个框，每列表示该框的类别，值为1，表示框的类别
# max overlap with gt over classes (columns)
max_overlaps = gt_overlaps.max(axis=1) #获取3x21中行方向（水平方向）中的最大值这里得到[1,1,1]
# gt class that had the max overlap
max_classes = gt_overlaps.argmax(axis=1) #获取行方向（水平）中最大值的列序号，这里得到[9,9,9]# 框的类别
roidb[i]['max_classes'] = max_classes # 框的类别
roidb[i]['max_overlaps'] = max_overlaps
# sanity checks
# max overlap of 0 => class should be zero (background)
zero_inds = np.where(max_overlaps == 0)[0] #zero_inds空
assert all(max_classes[zero_inds] == 0)
# max overlap > 0 => class should not be zero (must be a fg class)
nonzero_inds = np.where(max_overlaps > 0)[0] #[0,1,2]
assert all(max_classes[nonzero_inds] != 0)在prepare_roidb中遍历扩充后的10022张训练集图片，获取图片的路径、宽高，标注框的类别，保存到imdb的roidb中。至此代码段2分析完毕。
2. train_net解析
