- 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:
1 | $ sudo add-apt-repository universe |
2.下载SSD源码安装包从如下网站:
SSD:https://github.com/weiliu89/caffe.git
1 | $ 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:
1 | $ mkdir -pv $HOME/Work/caffe |
b.如果是git获得的,则进行如下操作:
1 | $ 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:
1 | $ cd ~/Work/caffe/caffe-ssd |
4.安装python依赖:
1 | $ cd ../python |
requirements.txt内容如下:
1 | Cython>=0.19.2 |
5.编译SSD源码:
1 | $ cd $HOME/Work/caffe/caffe-ssd |
1 | $ cp Makefile.config.example Makefile.config |
去掉下面该行代码的注释:
1 | USE_CUDNN := 1 |
重点来了,在Makefile.config中找到下面这几行:
1 | CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \ |
更改为:
1 | 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:
1 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial |
1 | $ make -j4 |
完成后在build/lib目录下会出现库文件libcaffe.so。
1 | $ make all -j4 |
环境变量配置:
1.在终端执行如下指令:
1 | $ sudo vim ~/.bashrc |
2.在最后一行添加caffe的python路径
1 | 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。
1 | export TEGRA_ARMABI=aarch64-linux-gnu |
3.source环境变量,在终端执行如下命令:
1 | $ source ~/.bashrc |
测试:
1.使用jupyter或者ipython打开notebook:
1 | $ 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