NVIDIA Jetson TX1 系列开发教程之六:SSD安装与测试
来源:互联网 发布:网络打印 任务挂起 编辑:程序博客网 时间:2024/05/18 21:38
NVIDIA Jetson TX1 系列开发教程之六:SSD安装与测试
- 转载请注明作者和出处:http://blog.csdn.net/u011475210
- 嵌入式平台:NVIDIA Jetson TX1
- 嵌入式系统:Ubuntu16.04
- 虚拟机系统:Ubuntu14.04
- 编者: WordZzzz
写在前面:
本博文原打算以SSD为例,介绍如何在NVIDIA Jetson TX1上安装SSD,并进行图片检测。
安装过程:
1.用以下命令安装依赖包:
$ sudo add-apt-repository universe$ sudo add-apt-repository multiverse$ sudo apt-get update$ sudo apt-get install libboost-all-dev libprotobuf-dev libleveldb-dev libsnappy-dev$ sudo apt-get install libhdf5-serial-dev protobuf-compiler libgflags-dev libgoogle-glog-dev$ sudo apt-get install liblmdb-dev libblas-dev libatlas-base-dev libopenblas-dev
2.下载SSD源码安装包从如下网站:
SSD:https://github.com/weiliu89/caffe.git
$ git clone https://github.com/weiliu89/caffe.git
3.设置路径并解压:
a.如果是从官网下载的zip压缩包,则进行如下操作:
$ mkdir -pv $HOME/Work/caffe$ cp caffe-ssd.zip $HOME/Work/caffe/$ cd $HOME/Work/caffe/ && unzip caffe-ssd.zip
b.如果是git获得的,则进行如下操作:
$ mv caffe $HOME/Work/caffe/caffe-ssd
无论进行a操作还是b操作,最好都进行一下版本切换:
$ cd ~/Work/caffe/caffe-ssd$ git checkout ssd
4.安装python依赖:
$ cd ../python$ sudo apt-get install python-pip python-numpy$ sudo pip install --upgrade pip$ for req in $(cat requirements.txt); do pip install $req; done
requirements.txt内容如下:
Cython>=0.19.2numpy>=1.7.1scipy>=0.13.2scikit-image>=0.9.3matplotlib>=1.3.1ipython>=3.0.0h5py>=2.2.0leveldb>=0.191networkx>=1.8.1nose>=1.3.0pandas>=0.12.0python-dateutil>=2.6.0protobuf>=2.5.0python-gflags>=2.0pyyaml>=3.10Pillow>=2.3.0six>=1.1.0
5.编译SSD源码:
$ cd $HOME/Work/caffe/caffe-ssd
$ cp Makefile.config.example Makefile.config$ vi Makefile.config
去掉下面该行代码的注释:
USE_CUDNN := 1
重点来了,在Makefile.config中找到下面这几行:
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_52,code=sm_52 \ -gencode arch=compute_60,code=sm_60 \ -gencode arch=compute_61,code=sm_61 \ -gencode arch=compute_61,code=compute_61
更改为:
CUDA_ARCH := -gencode arch=compute_53,code=sm_53
这里的后缀数字53是TX1的计算能力,在其他平台上编译CAFFE也是同样的道理,要把计算能力改成对应的值,否则有可能会报错。关于计算能力如何确定,CUDA例程里面有测试程序,跑一下就可以输出GPU性能指标。
声明下面这两行路径,保存后退出:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serialLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu/hdf5/serial
$ make -j4
完成后在build/lib目录下会出现库文件libcaffe.so。
$ make all -j4$ make runtest -j4(此部分报错,可以不跑)$ make pycaffe -j4
环境变量配置:
1.在终端执行如下指令:
$ sudo vim ~/.bashrc
2.在最后一行添加caffe的python路径
export PYTHONPATH=$HOME/Work/caffe/caffe-ssd/python:$PYTHONPATH
然后加上之前声明的环境变量,这样就不用每次make或者运行的时候再次声明环境变量了。
export TEGRA_ARMABI=aarch64-linux-gnuexport DISPLAY=:0export LD_LIBRARY_PATH=$HOME/Work/caffe/caffe-ssd/build/lib:/usr/local/cuda/lib64
3.source环境变量,在终端执行如下命令:
$ source ~/.bashrc
测试:
1.使用jupyter或者ipython打开notebook:
$ jupyter notebook
2.修改caffe路径,需要在下图的标记位置写上自己的caffe路径:
3.下载VGG训练模型,直接从官网下载即可,然后解压到models下。并确认下图中标记框中路径是否正确:
4.置信度,通过调节置信度阈值,来控制在检测结果中需要显示的显示框:
5.测试结果:
系列教程持续发布中,欢迎订阅、关注、收藏、评论、点赞哦~~( ̄▽ ̄~)~
完的汪(∪。∪)。。。zzz
- NVIDIA Jetson TX1 系列开发教程之六:SSD安装与测试
- NVIDIA Jetson TX1 系列开发教程之五:CAFFE安装与NVIDIA多媒体例程测试
- NVIDIA Jetson TX1 系列开发教程之七:FFMPEG安装与测试
- NVIDIA Jetson TX1 系列开发教程之八:Qt安装与配置
- NVIDIA Jetson TX1 系列开发教程之十四:YOLO安装与优化加速
- NVIDIA Jetson TX1 系列开发教程之一:开箱测试
- NVIDIA Jetson TX1 系列开发教程之二:刷机与开发前准备
- Jetson-tx1 Caffe-SSD 安装与测试
- NVIDIA Jetson TX1 系列开发教程之十二:libcurl、RapidJSON安装
- NVIDIA Jetson TX1 系列开发教程之三:Nsight Eclipse Edition基础
- NVIDIA Jetson TX1 系列开发教程之四:Nsight Eclipse Edition进阶
- NVIDIA Jetson TX1 系列开发教程之九:USB摄像头MJPEG格式图像采集
- NVIDIA Jetson TX1 系列开发教程之十:V4L2+OpenCV2.4.13实现预览、拍照功能
- NVIDIA Jetson TX1 系列开发教程之十一:TCP/IP文件传输
- NVIDIA Jetson TX1 系列开发教程之十三:使用OpenCV在图像上添加汉字
- NVIDIA嵌入式开发板Jetson TX1教程
- Jetson TX1 开发教程(3)——安装运行Caffe-SSD
- 【并行计算-CUDA开发】 NVIDIA Jetson TX1
- debian9更新163源、配置中文输入及安装网易云音乐
- shell脚本--命令替换``(反引号)与$()的区别与联系
- poj2823(滑动窗口,单调队列模板)
- 27figure和figcaption元素
- CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning,squeezenet
- NVIDIA Jetson TX1 系列开发教程之六:SSD安装与测试
- 实战限流(guava的RateLimiter)
- 28第二部分综合实例
- 不知道怎么标题写什么(2017-7)
- 表达式的前缀后缀问题
- 获取客户端IP地址
- Log4.properties 的故事
- js
- mysql查询分组显示数据结果之GROUP_CONCAT使用