jetson tx2上运行mobilenet-ssd的坑：interrupted by signal 9: SIGKILL

从ssd-caffe转战到mobilenet-ssd，也就是为了实时性。jetson tx2运行caffe-ssd前向的时间大概就是210ms。但是经过实际测试，对前5层卷积层使用CUDNN加速时，mobilenet-ssd的前向时间大概是150ms.

jetson tx2运行直接从git上clone下来的代码是不能成功的，如果在命令行中执行python demo.py，当网络初始化到第7层卷积层时，就被kill掉了。在pycharm中运行，同样是被kill掉，给出的错误提示是：

Process finished with exit code 137 (interrupted by signal 9: SIGKILL)

当查看top时，显示CPU占用率直接飙升到100%。大概意识到是内存的问题，但是我已经设置好了swap=4G,可是swap丝毫没被使用。

以为是下载的这个版本的mobilenet-ssd只能使用CPU，就重新设置了一下makefile.config，然后重新make pycaffe -j8  make all -j8编译了C++及工具，然后在纯CPU的情况下运行，结果巨慢，前向时间是500ms以上。我还试过将j8改成j4，因为tx2是4核的，结果实验结果依然没有变化。

无奈又改为使用GPU,使用CUDNN。无意间看见一篇博客，说将deploy.prototxt中卷积层参数的egine前的#去掉，不报任何希望，我将所有的#去掉，居然成功运行了。。。虽然运行的时间稍微慢了点，大概是200ms左右吧。尝试结果发现，最多就前4层kernelsize=3 的卷积层使用cudnn才不会内存溢出。在不使用tensorRT的情况下，最佳的前向时间是150ms。同志仍需努力啊～

目前使用GPU参与mobilenet-ssd的推理，另外，使用专门的深度可分离卷积计算（例程中使用的是group-convolution代替的深度可分离卷积），处理一幅300*300*3的图像只需要50ms左右，相当可观的速度。