为了防止各位研究者在运用代码时出现像我一样的错误，本篇博客，粗讲网络结构，细讲网络代码环境配置过程。在湿胸的帮助下，以及在github上进行提问，终于用着别人的代码，实现了光流预测过程。

Flownet的网络结构

首先在《FlowNet: Learning Optical Flow with Convolutional Networks》这篇文章中，第一次提出用深度学习的方式来进行光流预测，当然因为第一篇，所以有很多的地方相比传统方法，比如deepflow还有epicflow，在效果上还有一定的举例，但因引用深度学习，依旧很受喜欢粗暴的研究者所喜欢，比如我。
Flownet文章中，主要介绍了两种网络。分别为FlowNetSimple（简称FlowNetS）和FlowNetCorr（简称FlowNetC）。

Flownet直接上网络结构图

两个方法的最大区别在于，FlowNetSimple直接将第n帧和第n-1帧进行了重合，所以深度为6，也正如名字一般，属于简单方法。而FlowNetCorr则是首先对第n帧和第n-1帧采用卷积的方式提取高阶特征，之后采用块匹配的方式进行融合。至于区别对比文章还没细看，只看了网络结构，细看后更新，这次更新主讲代码环境配置。
Flownet的了解可以参考http://blog.****.net/u013010889/article/details/71189271这篇博客

Flownet2直接上网络结构图

Flownet2是一个双塔结构，Flownet2上塔在Flownet的基础上，进行了Stacking过程，俗称堆积过程。就是把FlowNetS和FlowNetC进行堆叠，这是针对大位移的光流预测，至于下塔就是对小位移光流的一个预测网络。
Flownet2的一些讲解可以参看http://blog.****.net/lvhao92/article/details/72899761这篇博客。

得出结论

所以由此可得出结论。我大****真的是人才辈出！！哈哈，好接着进入所有程序猿最喜欢的时刻：

代码的实现！！！

代码下载：
tensorflow：https://github.com/sampepose/flownet2-tf
caffe：https://github.com/lmb-freiburg/flownet2
pytorch的代码github上有flownet的，但flownet2的代码貌似还正在搞，到现在为止至少还是不能用的。

tensorflow版本环境配置

=============================重点=============================
python使用2.7.12或者2.7.13版本都可以。至于2.7的其他版本就不知道了。
tensorflow-gpu一定要用tensorflow-gpu-1.2.1的版本（笔者采用的1.3.0版本的tensorflow一直报错 fatal error: cuda/cuda_config.h: No such file or directory，所以不要倔强，要想用这版代码，就换1.2.1的版本）
最后就是cudnn要用 cudnn-8.0-linux-x64-v5.1.tgz.，一定要用v5.1的版本，v5.0版本的cudnn都编译不过去。至于v6.0版本的连tensorflow-gpu-1.2.1安装完都import不出来tensorflow。至于ubuntu的系统，读者采用的ubuntu16.04，在NVIDIA TITAN XP上跑的程序。以上就是flownet2的tensorflow代码实现，按照笔者方法，绝对没毛病！至于他给的权重建议用v*n进行下载，或者留言我，我再创建个百度云盘给你们下。

caffe版本环境配置

至于caffe版本的代码，没什么说的，下下来代码，照着网上配置caffe的流程，把makefile和makefile.config文件中的路径以及有个hdf5的地方改一下，就可以make all了，不过在make runtest的时候可能会报一些线程的错。没什么关系，直接按照里面的readme执行就好了，caffe这种鬼东西真的无力吐槽，祝愿你们在配caffe的时候一帆风顺！还是建议使用tensorflow，让caffe淘汰掉吧！

甩图

笔者愚钝，历经好几天终于实现了flownet2的代码，甩几张图作为结束：