Jetson Nano （八） PaddlePaddle 环境配置 PaddleHub—OCR测试

最新推荐文章于 2024-06-02 14:34:49 发布
最新推荐文章于 2024-06-02 14:34:49 发布
阅读量4k 收藏 31
点赞数 1
分类专栏： Jetson 文章标签： linux 深度学习 paddlepaddle
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/djj199301111/article/details/114487656
版权

Jetson Nano PaddlePaddle 环境配置 及 PaddleHub—OCR测试

文章目录

一.软硬件版本

Jetson Nano 4G
JP 4.4.1
CUDA 10.2
CUDNN 8.0
TensorRT 7.1.3.0

二.安装NCLL2

git clone https://github.com/NVIDIA/nccl.git   
cd nccl     
make -j4     
sudo make install

此步编译过程很久。
已下为安装成功截图：在这里插入图片描述

三.安装Paddlepaddle-gpu

##注意以下python环境安装强烈推荐在虚拟环境下操作##

  • 3.1 下载paddle
git clone -b release/2.0 https://gitee.com/paddlepaddle/Paddle.git
  • 3.2 CUDA 的环境变量配置，已经配置的跳过该步骤。
sudo vim  ~/.bashrc
#在最后添加以下内容
export CUDA_HOME=/usr/local/cuda-10.2
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.2/bin:$PATH
#保存生效一下
source ~/.bashrc
  • 3.3 安装编译工具
sudo apt-get install unrar swig patchelf
  • 3.4 编译
cd Paddle 
#需要编译python包的话先安装下需要的库
pip install -r python/requirements.txt

mkdir  build
cd build

cmake \
-DWITH_CONTRIB=OFF \
-DWITH_MKL=OFF \
-DWITH_MKLDNN=OFF \
-DWITH_TESTING=OFF \
-DCMAKE_BUILD_TYPE=Release \
-DON_INFER=ON \
-DWITH_PYTHON=ON  \
-DWITH_XBYAK=OFF   \
-DWITH_NV_JETSON=ON \
-DPY_VERSION=3.6  \
-DTENSORRT_ROOT=/home/djj/Tensorrt/ \   
-DCUDA_ARCH_NAME=All \
..

#时间很久
make -j4  
#生成预测lib
make inference_lib_dist   
 #python环境安装编译好的paddlepaddle-gpu的whl  
pip install  paddlepaddle*******.whl

填坑记录：

  • 1.numpy没找到，卸载重装。
  • 2.cmake使找不到CUPTI报错，通过拷贝TensorRT环境，来适应cmake文件的编译命令。拷贝后TensorRT呈现以下结构：
    在这里插入图片描述
  • 3.编译时三方库无法下载，本人在此步骤卡了2天，目前没找到可行方案。

四.测试

在python中测试，出现下图说明成功。

python
import paddle
#2.0以下API
paddle.fluid.install_check.run_check()
#2.0以上的API
paddle.utils.run_check()

在这里插入图片描述

五.pip安装方式whl包下载资源

  • 百度云链接（版本:1.5.2,1.6.2,2.0.0)：

链接：https://pan.baidu.com/s/1ZOaKk-tE77qWuIpYMhxnJg
提取码：ldql

  • 官网下载链接：

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/Tables.html#whl-release

六.PaddleHub 安装/测试

  • 首先需要安装sentencepiece
源码编译安装sentencepiece，编译环境安装：
sudo apt-get install cmake build-essential pkg-config libgoogle-perftools-dev
然后进行源码编译：
https://github.com/google/sentencepiece
下载源码包 sentencepiece-master.zip
unzip sentencepiece-master.zip
cd sentencepiece
mkdir build
cd build
cmake ..
make -j4
sudo make install
sudo ldconfig -v

pip install  scipy==1.3.1
#这里我安装的1.8版本
pip install paddlehub==1.8.0
安装成功后python下测试 import paddlehub 会出现缺少库的错误pip安装即可
  • 测试超轻量级中文OCR模型
安装ocr依赖
sudo apt-get install libgeos-dev
sudo apt-get install python3-shapely
pip install shapely==1.6.2
pip install pyclipper
conda install geos

#使用hub下载模型
##韩文的##
hub install korean_ocr_db_crnn_mobile==1.0.0
##中文的##
hub install chinese_ocr_db_crnn_mobile==1.1.0
  • 简单测试命令，测试环境是否正确
hub run chinese_ocr_db_crnn_mobile --input_path "/PATH/TO/IMAGE"
  • 这里使用cpu可以正常推理，使用GPU的话需要改下源码,OCR源码中申请了8G显存。。。
  • 不需要使用GPU的直接跳到 测试代码 步骤即可。
直接使用GPU这里会报错：
E0318 13:28:24.483968  4564 analysis_predictor.cc:585] Allocate too much memory for the GPU memory pool, assigned 8000 MB
E0318 13:28:24.484027  4564 analysis_predictor.cc:588] Try to shink the value by setting Analysis Config::EnableGpu(...)
  • 修改源码：
~/.paddlehub/modules/chinese_ocr_db_crnn_mobile/model.py 
修改此文件76行
	config.enable_use_gpu(8000, 0) 
改为：
	config.enable_use_gpu(3000, 0)

修改后运行，无反应，目前可以查看paddle github lssues目前ocr对于显存还存在一些问题；本文还是采用cpu推理。

  • 测试代码：
import paddlehub as hub
import cv2
import os
#如果使用GPU，需要先定义GPU；
os.environ['CUDA_VISIBLE_DEVICES'] = '0'

ocr = hub.Module(name="chinese_ocr_db_crnn_mobile")
result = ocr.recognize_text(images=[cv2.imread('./1.jpg')],
                            use_gpu= False,                  #设置是否使用gpu
                            output_dir='ocr_result',
                            visualization=True,
                            box_thresh=0.5, 
                            text_thresh=0.5)

print(result)

可以看到保存后的结果：
在这里插入图片描述

六.参考文档

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/index_cn.html
https://zhuanlan.zhihu.com/p/319371293
https://blog.csdn.net/qq_44498043/article/details/107300374?spm=1001.2014.3001.5502

7.有待解决…

各位同学，问下有啥方法可以让编译的时候下载github文件速度快些？？求大佬回复。。。
使用gpu推理时，显存问题无法解决，等后续paddle版本优化后再试试。。

炼丹去了
关注
专栏目录
在Jetson nano上编译paddle（带TensorRT）并跑通Paddle-Inference-Demo
jedibobo的博客
07-12 6045
缘由： 在官方的Paddle-Inference-Demo中，建议Paddle版本>=1.7。 而个人能找到的资源最高的版本是Nvidia论坛的1.6.3版本的paddlepaddle-gpu。以及文档中提供的0.0.0版本（链接）。 https://forums.developer.nvidia.com/t/paddlepadd-gpu-1-6-3-for-jetson-nano-now-available/111655 在跑Demo的过程中，发现文档中给出的版本没有Paddle-TensorRT
PaddleHub实现中文OCR
xingzhe1993的博客
07-28 1016
!pip install paddlehub==1.6.2 -i https://pypi.tuna.tsinghua.edu.cn/simple !hub install chinese_ocr_db_crnn_server==1.0.0 !pip install shapely !pip install pyclipper import paddlehub as hub import cv2 import matplotlib.pyplot as plt import matplotlib.image
linux error: jni.h: No such file or directory
AinUser的博客
09-17 1139
# 情境 这是我在通过cpp文件，生成dll文件的时候，遇到的 # 原因 虽然我在cpp文件中引入了，但是生成dll文件的时候，好像并没有加载到 # 解决 1. window环境 如果是window环境的话，我是使用编辑工具vs2010，将.cpp和.h文件拷贝至编辑工具中 然后进行生成dll文件 2. linux环境 如果是linux环境的话，请使用如下命令，注意修改相应的自定义参数 (-I 加载相应的头文件) gcc -I /usr/java/jdk1.8.0_73/include/ -I.
【无需编译】Jetson nano安装Paddle2.1 安装使用 PaddleOCR教程
小灰的博客
07-17 4348
Jetson Nano环境 pack4.4 CUDA10.2 安装Paddle 我们首先需要从Paddle的安装教程中找到附录，里面有对应的很多预编译的whl包，对于python来说我们只需要先下载到文件夹里，再pip安装就好了 网址：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/Tables.html#whl-release 我的环境就是这个啦，可能以后会变化，但是大致是一样的，注意jetpack版本，cuda版本 cudnn版
【环境搭建】jetson 安装 paddleocr
luolinll1212的专栏
04-07 3248
1.下载paddlepaddle安装包 https://paddleinference.paddlepaddle.org.cn/master/user_guides/download_lib.html#python 选择：Jetpack4.4(4.5): nv_jetson-cuda10.2-trt7-all 2.安装 apt-get install libgeos-dev # shapely 包 git clone https://github.com/PaddlePaddle/PaddleOCR.gi
PaddleHub一键OCR中文识别
最新发布
jiabiao1602的专栏
06-02 1433
函数属于PaddleHub中的OCR模型模块，例如等。这些模型已经过训练，可以直接用于识别图片中的文字。函数是PaddleHub中用于图像文字识别的重要函数，它基于预训练的OCR模型进行工作，并提供了丰富的参数选项以满足不同场景的需求。通过合理地设置这些参数，可以获得更准确、更直观的识别结果。​六、图片OCR识别若是待预测图片存放在一个文件中，如test.txt。每一行是待预测图片的存放路径。
在Jetson nano上部署PaddleSeg
weixin_43541510的博客
09-18 302
Paddle Inference 是飞桨的原生推理库， 作用于服务器端和云端，提供高性能的推理能力，在使用之前，我们需要在Jetson Nano里安装好PaddlePaddle。jetson nano已经安装好图像化Linux系统，大家在网上找教程随便装一个自己喜欢的。大家下载困难或者指令复杂建议使用微信文件传输助手网页版，十分好使。这里的话python版本也要对应，我再去修改python版本。找到你需要的推理库文件，对应Jetpack版本。配置好python和pip。
适用于jetson nano的anaconda
09-26
总的来说，为Jetson Nano安装Anaconda是提升其在数据科学和AI开发领域能力的重要步骤，它简化了环境配置，提高了开发效率，并且利用conda管理工具，用户可以轻松地安装、更新和管理所需的软件包。
Face-Mask-Detection-Jetson-Nano:Jetson Nano上的面罩检测
04-19
面膜检测Jetson-Nano 在Jetson Nano上以44-5 FPS运行的快速面罩识别。 这是在公共领域中发现的两种深度学习模型的快速C ++实现。 第一个是在ncnn框架上运行的Linzaer的面部检测器。 。 第二个是Paddle Lite遮罩检测...
国产版Jetson Nano学习篇2—详细讲解Jetson Nano的开发环境配置和其 Ubuntu 18.04系统的操作，入门必看
weixin_64260325的博客
11-13 6496
介绍了国产版Jetson Nano的一些环境配置和如何在Jetson Nano上完成对Python环境的配置
PaddleHub一键OCR中文识别（超轻量8.1M模型，火爆.doc
09-22
PaddleHub一键OCR中文识别（超轻量部署linux服务器成功详细解决报错文档
PaddleOCR:基于PaddlePaddle的超赞多语言OCR工具包-开源
04-29
PaddleOCR提供了卓越，多语言和实用的光学字符识别（OCR）工具，可以帮助用户训练更好的模型并将其应用于实践。 受PaddlePaddle的启发，PaddleOCR是一款超轻量级的OCR系统，具有多语言识别，数字识别，垂直文本识别以及长文本识别。 它具有PPOCR系列的高质量预训练模型，其中包括：超轻型ppocr_mobile系列模型，通用ppocr_server系列模型和超轻型压缩ppocr_mobile_slim系列模型。 PaddleOCR易于安装，并且易于在Windows，Linux，MacOS和其他系统上使用。
paddlepaddle_gpu-0.0.0-cp36-cp36m-linux_aarch64.whl
02-04
paddlepaddle-gpu=1.8 系统：linux_aarch64 实测可以用在jetson nano上。 cuda：10.0 cudnn：7.6 安装命令如下： pip install paddlepaddle_gpu-0.0.0-cp36-cp36m-linux_aarch64.whl 注意：0.0.0是paddle的显示bug，真实版本是1.8
向日葵远程控制，jetsonNano远程控制所需软件
03-28
在Jetson Nano上安装VNC Viewer，用户可以通过图形界面远程控制Jetson Nano的桌面环境。 2. "putty-64bit-0.75-installer.msi"：PuTTY是一个流行的开源SSH和Telnet客户端，主要用于远程登录到服务器进行命令行操作...
jetson nano 开发板官方教程
12-21
Jetson Nano是一款由NVIDIA推出的高性能、低功耗的嵌入式计算机，它在人工智能和机器学习领域中广泛应用。这款开发板专为开发者和爱好者设计，尤其适合初学者进行AI和深度学习项目的学习与实践。以下是对Jetson Nano...
PaddlePaddle----基于paddlehub的OCR识别
图灵追幕者博客录
03-06 1748
光学字符识别（Optical Character Recognition, OCR）是指对文本材料的图像文件进行分析识别处理，以获取文字和版本信息的过程。也就是说将图象中的文字进行识别，并返回文本形式的内容。例如（该预测效果基于PaddleHub一键OCR中文识别效果展示）：识别网络图如下：典型的OCR技术路线如下图所示：其中OCR识别的关键路径在于文字检测和文本识别部分，这也是深度学习技术可以充分发挥功效的地方。
【paddlehubOCR项目】网课手酸酸，眼花花，救星来啦！
三岁学编程的博客
11-13 1453
利用飞桨paddleOCR对网课视频的文字进行分析
【PaddleOCR-deploy】在Jeston NX上部署运行PaddleOCR教程（安装whl包方法）
z5z5z5z56的博客
11-16 2718
手把手教你在在JestonNX运行PaddleOCR
通过paddlehub简单几行代码实现OCR识别
building
12-21 669
3、paddlepaddle、paddlehub、cv2、gradio 、matplotlib 安装完毕。2、python3、pip已经安装完毕。1、ubuntu系统。
jetson nano 基础环境配置
06-28
### 回答1： Jetson Nano的基础环境配置包括以下步骤： 1. 安装操作系统：Jetson Nano支持多种操作系统，包括Ubuntu、JetPack等。可以根据需求选择合适的操作系统进行安装。 2. 连接网络：Jetson Nano可以通过有线或无线网络连接到互联网。需要配置网络连接，以便进行软件包的安装和更新。 3. 安装基础软件包：Jetson Nano需要安装一些基础软件包，包括Python、OpenCV、CUDA等。可以通过命令行或软件包管理器进行安装。 4. 配置开发环境：Jetson Nano支持多种开发环境，包括C++、Python、TensorFlow等。需要根据需求进行配置，以便进行开发和调试。 5. 测试环境：在完成基础环境配置后，需要进行测试以确保系统正常运行。可以编写简单的程序进行测试，例如打印系统信息、读取摄像头等。 以上是Jetson Nano基础环境配置的主要步骤，需要根据具体情况进行调整和优化。 ### 回答2： Jetson Nano 是 NVIDIA 推出的一款人工智能边缘计算平台，是一种高性能、低功耗的小型计算机，可以运行深度学习模型和机器学习算法。为了使用 Jetson Nano，我们需要对其进行基础环境配置。 一、系统安装 目前 Jetson Nano 支持的系统有 Ubuntu18.04 和 Jetpack 4.2.2，我们可以从 NVIDIA 官网上下载镜像并进行安装。 二、软件安装 1. 更新系统 在终端中输入以下命令： ``` sudo apt update sudo apt upgrade ``` 2. 安装编辑器 Jetson Nano 默认没有安装任何编辑器，常用的编辑器有 nano 和 vim。在终端中输入以下命令安装 nano 编辑器： ``` sudo apt install nano ``` 3. 安装 Python Jetson Nano 默认没有预装 Python，我们需要手动安装。在终端中输入以下命令： ``` sudo apt install python3-pip python3-dev pip3 install -U pip ``` 4. 安装 OpenCV OpenCV 是一种计算机视觉和机器学习的开源库，可以进行图像和视频处理、特征提取等操作。在 Jetson Nano 上需要手动安装。在终端中输入以下命令： ``` sudo apt install libopencv-dev python3-opencv ``` 5. 安装 PyTorch PyTorch 是一种基于 Python 的深度学习框架，可以在 Jetson Nano 上运行。在终端中输入以下命令安装 PyTorch： ``` sudo apt install python3-pip libopenblas-base libopenmpi-dev pip3 install torch torchvision ``` 三、其他配置 1. 显示器分辨率配置 Jetson Nano 默认的分辨率是 720P，如果需要更高的分辨率可以通过修改配置文件实现。在终端中输入以下命令： ``` sudo nano /boot/extlinux/extlinux.conf ``` 找到 "APPEND recovery=UUID=**** rootfstype=ext4 video=tegrafb no_console_suspend=1 console=tty0 fsck.repair=yes net.ifnames=0" 一行，加入“video=HDMI-A-1:1920x1080M@60”参数，默认情况下是 720P 分辨率，如果要修改成 1080P 可以将参数改成“video=HDMI-A-1:1920x1080M@60”。 2. 网络配置 我们可以通过修改网络配置文件来配置 Jetson Nano 的网络连接方式，在终端中输入以下命令： ``` sudo nano /etc/network/interfaces ``` 找到 "auto lo iface lo inet loopback" 一行，下方加入以下内容： ``` auto eth0 iface eth0 inet dhcp ``` 保存文件后，关闭终端重新启动网络服务： ``` sudo service network-manager restart ``` 以上就是 Jetson Nano 基础环境配置的内容，通过以上步骤，我们可以成功配置 Jetson Nano 的环境，并使用它来运行深度学习模型和机器学习算法。 ### 回答3： Jetson Nano是一款强大的嵌入式平台，用于在端到端AI中实现视觉和语音处理能力。要开始使用Jetson Nano，我们需要先进行一些基础环境配置。下面是基础环境配置的步骤： 1. 烧录Jetson Nano的操作系统 Jetson Nano支持多种操作系统，包括Ubuntu和JetPack。操作系统可以通过NVIDIA官网下载。在下载之前你需要注册一个NVIDIA开发者账号，有了账号后，你可以轻松下载所需的软件。下载完成后，可以使用Etcher或Rufus等工具将系统烧录到SD卡中。将SD卡插入Jetson Nano，连接键盘、鼠标和显示器，即可正常安装系统。 2. 配置网络连接 连接到Jetson Nano并为其配置网络连接非常重要。Jetson Nano可以通过有线连接或Wi-Fi连接到网络。连接到有线网络时，只需将网线插入Jetson Nano的网络端口即可。如果使用无线网络，则需要配置Wi-Fi网络。点击屏幕右上角的网络图标，选择Wi-Fi选项，输入网络名称和密码即可完成配置。 3. 更新系统软件和驱动程序 安装完操作系统后，需要更新系统软件和驱动程序。打开终端并更新。运行以下命令： sudo apt-get update sudo apt-get upgrade 这个过程可能需要一些时间，但更新系统软件是很重要的。同时，这个过程中建议选择NVIDIA官方提供的驱动程序，或根据Jetson Nano型号选择相应的驱动程序安装。 4. 配置CUDA和cuDNN Jetson Nano的核心能力在于其强大的GPU，而CUDA和cuDNN是支持GPU的计算加速库。在使用Jetson Nano时，我们需要配置这些库。它们可以从NVIDIA官网下载，下载并安装后，需要进行配置使用。 5. 安装开发环境 安装开发环境非常重要，因为它为我们提供了开发和调试Jetson Nano的工具和环境。Jetson Nano支持多种编程语言，如Python、C++等，因此需要安装相应的IDE或文本编辑器。Jetson Nano还支持Jupyter Notebook，这是一种交互式计算环境，可以帮助开发人员快速进行开发和测试。 这是Jetson Nano基础环境配置的步骤，基础环境配置完成后，我们就可以开始构建AI应用程序。Jetson Nano是一款非常强大的嵌入式平台，它可以帮助我们实现端到端的AI，提高产品质量和生产效率。
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值