1.查看当前得Ubuntu的版本
lsb_release -a
2.指定当前使用python3解释器
python3
3.多线程编译(32线程)
make -j32
4.Jetson Nano的配置
Jetson-nano的OS镜像已经自带了JetPack,cuda-10,cudnn7.3.1,tensorrt 5.0.6.21, opencv3.3等都已经安装好,不再需要额外的配置
5.把ubuntu桌面禁掉、启用
# ubuntu关闭图形用户界面
sudo systemctl set-default multi-user.target
sudo reboot
# ubuntu启用图形用户界面
sudo systemctl set-default graphical.target
sudo reboot
5.编译opencv3.3.1
https://blog.csdn.net/PustoTauranth/article/details/89648438
# 这个博客会遇到下面的两个问题,解决方法见下面的6的两个博客链接
6.安装cuda、cudann
https://blog.csdn.net/qq_32408773/article/details/84112166
7.安装opencv3.3.1
会遇到3个问题:
https://blog.csdn.net/chanzhennan/article/details/90451968
这个要替换多次,本人一共替换了5次。
https://blog.csdn.net/AlexWang30/article/details/99612188
找不到cuda.hpp
https://blog.csdn.net/gbz3300255/article/details/90240912
怎么改都不对,于是最后没有装contribe,这里的opencv的作用也只是用于读取摄像头的支持而已,Cake命令改为:
sudo cmake -D CMAKE_BUILD_TYPE=Release \
-D CMAKE_INSTALL_PREFIX=/usr/local \
..
8.获得tiny-yolo预训练模型
./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15
9.对预训练模型进行进一步训练
yolov3:
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
tiny-yolov3:
./darknet detector train cfg/<project_name>.data cfg/<project_name>.cfg yolov3-tiny.conv.15
# modify yolov3-tiny.cfg and get the <project_name>.cfg
例如:
./darknet detector train cfg/voc-200115.data cfg/yolov3-tiny-200115.cfg darknet53.conv.74 -gpus 0,1,2
10.多gpu训练
在结尾加上:
-gpus 0,1,2
11.每次训练的时候,都记得要把结果输出为日志文件进行保存
./darknet detector train cfg/voc-bm.data cfg/yolov3-voc-bm.cfg darknet53.conv.74 2>1 | tee visualization/train_yolov3_bm.log
13.无法识别图像并不是出了问题,而是训练的数据集和应用数据集并不吻合
14.在Ubuntu18.04下安装labelImg的方法:
git clone https://github.com/Ruolingdeng/labelImg
15.图形化界面启动sh的方法
16.v4l2库调节相机曝光
安装:
sudo apt install qv4l2
sudo apt install v4l-utils
设置自动曝光和曝光时间:
v4l2-ctl --all //显示Camera所有信息
v4l2-ctl --set-ctrl=exposure_auto=1 // 改为手动控制相机曝光
v4l2-ctl -d /dev/video0 -c exposure_absolute=20 // 设置曝光时间为20ms