Mediapipe在Jetson agx上的安装流程及问题解决方案

文章目录

前言

一、Bazel安装

二、Mediapipe安装

        1.下载mediapipe：

2.安装依赖和编译器

         3.删除非必要模块

         4.修改文件

         5.修改OpenCV和FFMpeg的编译文件

         6. 配置CUDA支持

         7.编译 

         8.问题及解决方案 

三、总结

---

前言

本文提供了为Jetson AGX配置mediapipe的流程，中间遇到很多问题，目前均已解决，安装流程适用于Jetson Xivar系列，包括nano、nx、agx。

---

一、Bazel安装

编译安装bazel是安装mediapipe必须要做的一部，由于Jetson设备内核架构采用的是ARM64(aarch64)，因此需要从源码编译安装（建议Bazel 4.0.0版本）。

---

二、Mediapipe安装

1.下载mediapipe：

源码在github上可以找到，如果下载速度慢可到国内的gitee上找资源（类似于github的国内版本，资源也比较丰富，下载速度很快），解压后得到名为 mediapipe-master 的安装包文件夹。

2.安装依赖和编译器

sudo apt install -y python3-dev
sudo apt install -y cmake
sudo apt install -y protobuf-compiler

3.删除非必要模块

进入 mediapipe-master 文件夹下，删除不必要的模块和标志。依次执行下列命令行：

sed -i -e "/\"imgcodecs\"/d;/\"calib3d\"/d;/\"features2d\"/d;/\"highgui\"/d;/\"video\"/d;/\"videoio\"/d" third_party/BUILD
sed -i -e "/-ljpeg/d;/-lpng/d;/-ltiff/d;/-lImath/d;/-lIlmImf/d;/-lHalf/d;/-lIex/d;/-lIlmThread/d;/-lrt/d;/-ldc1394/d;/-lavcodec/d;/-lavformat/d;/-lavutil/d;/-lswscale/d;/-lavresample/d" third_party/BUILD

4.修改文件

进入 third_party 文件夹，找到名为 BUILD 的文件,定位到如下位置并增加蓝色字体内容：

“WITH_ITT”: “OFF”,
“WITH_JASPER”: “OFF”,
“WITH_WEBP”: “OFF”,

# 在后面增加以下两句内容：

“ENABLE_NEON”: “OFF”,
“WITH_TENGINE”: “OFF”,

5.修改OpenCV和FFMpeg的编译文件

回到mediapipe-master文件夹下，运行如下代码 

sed -i "s/x86_64-linux-gnu/aarch64-linux-gnu/g" third_party/opencv_linux.BUILD
sed -i "s/x86_64-linux-gnu/aarch64-linux-gnu/g" third_party/ffmpeg_linux.BUILD

 由于Jetson agx为aarch64的linux系统，因此需要将 third_party/opencv_linux.BUILD 和 third_party/ffmpeg_linux.BUILD 两个文件中所有的 x86_64-linux-gnu 更换为 aarch64-linux-gnu 。在Jetson中，OpenCV和FFMpeg的库都定义在/usr/lib/aarch64-linux-gnu文件夹下。

6. 配置CUDA支持

 （1）首先确认CUPTI、CUDA、CUDNN、NVCC是否正确安装，如下图所示即为正常。 

（2）配置CUDA环境变量，在 /etc/profile 文件中增加如下内容：

export TF_CUDA_PATHS=/usr/local/cuda-10.2,/usr/lib/aarch64-linux-gnu,/usr/include 

（3）为了让bazel找到CUDA，需要在 mediapipe-master 文件夹下的 .bazelrc 文件中增加如下内容 ，

 # This config refers to building with CUDA available.
build:using_cuda --define=using_cuda=true
build:using_cuda --action_env TF_NEED_CUDA=1
build:using_cuda --crosstool_top=@local_config_cuda//crosstool:toolchain

# This config refers to building CUDA op kernels with nvcc.
build:cuda --config=using_cuda
build:cuda --define=using_cuda_nvcc=true

7.编译 

 正式开始编译，时间比较长，中间会有在github上下载安装包的过程，建议“科学上网”，不然会因下载速度过慢导致经常中断。

python3 setup.py gen_protos && python3 setup.py bdist_wheel

编译成功之后，会在 mediapipe-master 文件夹下生成一个名为 dist 的新文件夹 ，里面会有一个编译完成的 .wheel 文件，之后 pip 进行安装就可以。

8.问题及解决方案 

1）问题：缺少any.proto错误

  解决方案：下载最新的 protoc-3.x.x-linux-aarch_64.zip ，解压并将名为 bin 的文件夹和include下的 google 文件夹复制到 mediapipe-master 中。修改 mediapipe-master下的setup.py，

protoc_command = [self._protoc, ‘-I.’, ‘–python_out=.’, source]

#定位上句并修改为如下内容：

protoc_command = [self._protoc, ‘-I.’, ‘-I/usr/local/include’, ‘–python_out=.’, source]

2）问题：return tensor相关的错误

  解决方案：gcc g++ 升级到gcc-8 g++-8, 目前发现gcc-8和g++-8可避免一系列问题，所以强烈建议编译开始前就安装该版本，至于更高的版本是否也可以，没有测试不好下结论。

3）问题：is numpy installed? 问题

  解决方案：运行如下命令可解决：

echo $PYTHON_BIN_PATH
export PYTHON_BIN_PATH=/usr/bin/python3
PYTHON_BIN_PATH -c 'import numpy'

4）问题：Illegal instruction (core dumped) 问题

  解决方案：运行如下命令：

export OPENBLAS_CORETYPE=ARMV8

或者将命令添加到 ~/.bashrc中，再source一下该文件，如下：

source ~/.bashrc

5）问题：aarch64-linux-gnu-gcc 交叉编译报错

  解决方案：aarch64-linux-gnu-gcc 及aarch64-linux-gnu-g++版本升级到aarch64-linux-gnu-gcc-8 和aarch64-linux-gnu-g++-8

---

三、总结

整体安装流程比较坎坷，遇到的比较大的问题主要是后4个，解决之后基本就能编译成功，另外就是github下载速度难题，导致无数次的编译中断，最后还是选择“科学上网”解决问题。