jetson tx1使用记录
来源:互联网 发布:教师个人网络研修计划 编辑:程序博客网 时间:2024/05/14 02:56
配置
硬件配置
GPIO、I2C、I2S、SPI、带流控制的TTL UART等接口,摄像头扩展头,PCIe x4接口,USB 2.0 Client/Host接口
软件配置
- 操作系统
操作系统为 Ubuntu 16.04.1 LTS - 开发环境搭建
(1)登录一台运行Ubuntu 14.04 Linux 64-bit 系统的电脑
(2)通过usb连接jeson tx1
(3)在 https://developer.nvidia.com/embedded/downloads上下载JetPack for L4T
(4)ctrl+alt+t打开终端
(5)在Host电脑上为JetPack安装包添加运行权限并执行
(6)运行JetPack,根据引导完成安装。
搭建完成后,jetson tx1上运行L4T 24.2 (Ubuntu 16.04) OpenCV4Tegra CUDA 8.0 cuDNN v5.1
Caffe
Caffe安装
sudo add-apt-repository universesudo apt-get update –y/bin/echo -e "\e[1;32mLoading Caffe Dependencies.\e[0m"sudo apt-get install cmake –ysudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \libhdf5-serial-dev protobuf-compiler –ysudo apt-get install --no-install-recommends libboost-all-dev –ysudo apt-get install libatlas-base-dev –ysudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev –ysudo apt-get install python-dev python-numpy -ysudo usermod -a -G video $USER/bin/echo -e "\e[1;32mCloning Caffe into the home directory\e[0m"cd $HOMEgit clone https://github.com/BVLC/caffe.git cd caffe cp Makefile.config.example Makefile.configcmake -DCUDA_USE_STATIC_CUDA_RUNTIME=OFFecho "INCLUDE_DIRS += /usr/include/hdf5/serial/" >> Makefile.config/bin/echo -e "\e[1;32mCompiling Caffe\e[0m"make -j4 all/bin/echo -e "\e[1;32mRunning Caffe Tests\e[0m"make -j4 runtest
若opencv 有问题,更换opencv版本,修改CMakeList.txt如下
Opencv_DIR为你自己编译的opencv build 目录
参考http://blog.csdn.net/haizimin/article/details/51927386
Caffe使用案例
MNIST
MNIST 是由Yann LeCun 创建的一个手写数字数据库,手写数字包括0~9共10类数字,有60000幅训练图像以及10000幅测试图像。
官方网站:http://yann.lecun.com/exdb/mnist/。
获得MNIST数据集
# cd ./data/mnist#./get_mnist.sh
生成训练及测试数据,将样本转为leveldb格式
# cd ./examples/mnist# ./create_mnist.sh
执行该命令后在当前路径下生成两个目录,mnist_test_lmdb及mnist_train_lmdb
训练及测试
# cd ./examples/mnist/data/mnist# ./train_lenet.sh
本次训练使用60000幅图像迭代了10000次,同时测试了识别10000幅图像,正确率为99.05%。
同时,程序分别生成训练迭代5000次及10000次的模型文件
Cifar-10
cifar-10是由Hinton等人整理的用于目标识别的图像数据集。该数据集中总共有10类目标,每一类有 6000 幅32x32 的彩色图像组成,共60000幅。其中50000幅用于训练,每一类中随机选出1000幅,共10000幅图片用于测试。
获得cifar-10 数据集
# cd ./data/cifar10# ./get_cifar10.sh
共下载得到6个batch文件,其中5个用于训练,一个用于测试。每个batch有10000幅图像。
生成训练及测试数据,将样本转为leveldb格式
# cd ./examples/cifar10# ./create_cifar10.sh
生成cifar10_train_lmdb、cifar10_test_lmdb两个目录及均值文件mean.binaryproto
训练及测试
# cd ./examples/cifar10# ./train_full.sh
本次训练使用50000幅图像迭代了68000次,同时测试了识别10000幅图像,正确率为81.51%。
py-faster-rcnn
1、git clone –recursive https://github.com/rbgirshick/py-faster-rcnn.git
2、
cd py-faster-rcnn/libMake
3、编译caffe,先修改 cudnn 为cudnn 3
cd caffe-fast-rcnncmake -DCUDA_USE_STATIC_CUDA_RUNTIME=OFFmake –j8 allmake pycaffe
4.
http://stackoverflow.com/questions/31328436/typeerror-constructor-returned-null-while-importing-pyplot-in-ssh
5.
cd .././data/scripts/fetch_faster_rcnn_models.sh./tools/demo.py
plate_recog_caffe
1、 修改CMakeLists.txt
2、 Cmake ../
3、 Make
4、 报错
解决:https://github.com/muupan/dqn-in-the-caffe/issues/3
5、运行
GPU使用情况
在tx1上我们无法使用nvidia-smi查看GPU使用情况,这里要使用sudo ~/tegrastats
EMC – memory controller
AVP – audio/video processor
VDE – video decoder engine
GR3D – GPU
vnc使用
1.apt-get install vnc4server
2.$sudo apt-get install gnome-panel gnome-settings-daemon metacity nautilus gnome-terminal
3.然后修改xstartup文件(/home/Ubuntu/.vnc)
#!/bin/sh# Uncomment the following two lines for normal desktop:export XKL_XMODMAP_DISABLE=1 unset SESSION_MANAGER# exec /etc/X11/xinit/xinitrcunset DBUS_SESSION_BUS_ADDRESSgnome-panel &gnmoe-settings-daemon &metacity &nautilus &gnome-terminal &
4.vncserver
5.windows上下载客户端连接
更换cudnn
tar zxvf <cudnn v4 tar file> Copy files in “include” dir and “lib” dir into /usr/local/cuda/include/ and /usr/local/cuda/lib/
opencv
1.安装使用下载 OpenCV for Linux/Mac (Version 3.1),然后
sudo apt-add-repository universesudo apt-get update# Some general development librariessudo apt-get install -y build-essential make cmake cmake-curses-gui g++# libav video input/output development librariessudo apt-get install -y libavformat-dev libavutil-dev libswscale-dev# Video4Linux camera development librariessudo apt-get install -y libv4l-dev# Eigen3 math development librariessudo apt-get install -y libeigen3-dev# OpenGL development libraries (to allow creating graphical windows)sudo apt-get install -y libglew1.6-dev# GTK development libraries (to allow creating graphical windows)sudo apt-get install -y libgtk2.0-dev# Compile and install opencvcd ~mkdir srccd srcunzip ~/Downloads/opencv-3.1.0.zipcd opencv-3.1.0mkdir buildcd buildcmake -DWITH_CUDA=ON -DCUDA_ARCH_BIN="5.3" -DCUDA_ARCH_PTX="" -DBUILD_TESTS=OFF -DBUILD_PERF_TESTS=OFF -DCUDA_FAST_MATH=ON -DCMAKE_INSTALL_PREFIX=/home/ubuntu/opencv-3.1.0 ..make -j4 install
因为cuda8与opencv3不兼容会报错
解决办法:修改 ~/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容,如图:
2、测试
test.c
#include "opencv/highgui.h"int main(int argc,char** argv){ IplImage* img= cvLoadImage(argv[1]); cvNamedWindow("Example1",CV_WINDOW_AUTOSIZE); cvShowImage("Example1",img); cvWaitKey(0); cvReleaseImage(&img); cvDestroyWindow("Example1");}
编译文件
g++ test.c -o test `pkg-config --libs --cflags opencv`
- Jetson TX1使用记录
- jetson tx1使用记录
- Jetson TX1使用记录
- Jetson TX1使用记录
- JetSon Tx1 串口使用记录
- Jetson TX1 使用配置
- 使用jetson tx1 的串口1
- Ubuntu-Jetson TX1串口使用教程
- ubuntu--jetson tx1 源
- jetson tx1 ros 安装
- Jetson TX1 NVIDIA CUDA
- jetson TX1 安装ROS
- Jetson TX1 安装 ROS
- NVIDIA Jetson Tx1(1)
- Jetson TX1/TX2 deviceQuery
- Jetson TX1串口调试
- Jetson TX1开发笔记(五):TX1使用OpenCV3.1实时采集视频图像
- 记录Jetson TX1刷机与安装ROS indigo踩坑记录
- JAVA GC 常见错误处理方法
- 负载均衡器组网
- 淘淘商城第一天
- 定义异常处理时,什么时候定义try,什么时候定义throws呢?
- CNN经典网络模型摘要--AlexNet、ZFnet、GoogleNet、VGG、ResNet
- jetson tx1使用记录
- Hibernate与 MyBatis的比较
- [编程题]放苹果
- android 自定义view初级
- 记录一次无法远程桌面连接问题
- iOS侧边栏菜单控制器:CDSideBarController
- 前端性能优化
- 在eclipse中怎么看JSP页面图形
- 【Linux】Subversion/SVN学习笔记2