英伟达SSD视觉算法模型训练、转换与部署

科技人生

已于 2024-06-12 18:18:33 修改

阅读量541

点赞数 26

分类专栏：英伟达SSD视觉算法文章标签：算法 inference SSD 图像识别模型训练

于 2024-06-06 16:36:22 首次发布

本文链接：https://blog.csdn.net/qq_18677445/article/details/139420791

版权

深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论。

一般的深度学习项目，训练时为了加快速度，会使用多 GPU 分布式训练。但在部署推理时，为了降低成本，往往使用单个 GPU
机器甚至嵌入式平台进行部署。Jetson Nano 可以完成整个训练和推理流程，但基于 Jetson Nano 的低算力，不推荐在
Jetson Nano 上进行复杂训练，而仅用于推理。

在GPU服务器上使用pytorch训练模型得到pth模型文件；

将pth模型转化为onnx格式文件；

Jetson Nano上利用tensorrt加载onnx模型，实现快速推理。

一、安装并编译jetson.inference

详情请看《英伟达SSD视觉算法，jetson.inference在jetson nano中部署》

二、下载PyTorch迁移学习的预训练模型

下载PyTorch迁移学习的预训练模型mobilenet-v1-ssd-mp-0_675.pth（若需要请到主页资源下载）
解压后放在jetson-inference/python/training/detection/ssd/models目录下

三、搭建训练环境

接下来有三种方式搭建训练环境

安装conda，然后用conda安装：
1）支持CUDA的pytorch版本，及其附加库（Torchvision、Torchaudio ）
2）NVIDIA 提供的一组开发工具CUDA Toolkit，用于在 GPU 上进行高性能计算
用docker
torch + torchvision + opencv-python（只能训练模型，不能转换成onnx模型，不能跑模型）

第一种环境搭建方式，用conda搭建环境

Conda是一个开源包管理系统和环境管理系统，主要用于管理Python和其他编程语言的包和依赖关系。Conda可以安装、运行和更新软件包及其依赖项，并在不同环境之间切换，使得在同一系统上可以同时使用不同版本的库和工具。通过使用Conda，你可以更高效地管理软件包和环境，特别是在处理数据科学和机器学习项目时。

创建一个 Conda 环境来运行训练和验证的脚本。Conda 环境可以更好地管理包依赖关系和不同项目之间的隔离。以下是如何使用 Conda 创建环境并安装所需依赖项的详细步骤。

1. 安装 Anaconda 或 Miniconda

Anaconda和Miniconda之间的主要区别体现在包含的软件包数量和种类上。

Anaconda：
包含了大量的科学计算软件包，如numpy、pandas等，以及数据分析和数据可视化等180多个科学包及其依赖项。
提供了丰富的数据分析和机器学习库，适合数据科学、机器学习和大数据处理的用户。由于包含了大量的软件包，因此安装文件相对较大。

Miniconda（推荐）：
是一个小型的Anaconda，只包含了conda和一些必要的python包，没有包含大多数的科学计算包。
用户可以根据自己的需要安装不同的软件包，从而节省磁盘空间。由于只包含核心功能，安装文件较小，下载和安装速度更快。

总的来说，Anaconda和Miniconda都是基于conda的包管理和环境管理系统，但Anaconda预装了大量的科学计算软件包，适合需要这些软件包的用户；而Miniconda则更为轻量级，只包含核心功能，用户可以根据自己的需求灵活安装软件包。

x86架构的ubuntu系统下安装conda

方法1：通过Miniconda安装（推荐）

Miniconda是一个较小的Conda发行版，只包含Conda和其依赖项。你可以根据需要安装其他包。

下载Miniconda安装脚本：
打开终端，使用wget命令下载Miniconda安装脚本：
```
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
```
验证安装脚本（可选）：
验证安装脚本的SHA-256校验和，以确保下载的文件完整：
```
sha256sum Miniconda3-latest-Linux-x86_64.sh
```
将输出的哈希值与Miniconda官网上提供的哈希值进行对比。
运行安装脚本：
运行下载的安装脚本：
```
bash Miniconda3-latest-Linux-x86_64.sh
```
按照提示进行安装：
按照脚本提示进行安装，通常只需按回车键选择默认选项。安装完成后，脚本会询问是否将Miniconda添加到你的PATH环境变量中，建议选择yes。
激活Conda：
关闭并重新打开终端，或者运行以下命令激活Conda环境：
```
source ~/.bashrc
```
确保Conda已安装并可用：
```
conda --version
```

方法2：通过Anaconda安装

Anaconda包含了更多的预装包，适合需要大量科学计算和数据分析包的用户。

下载Anaconda安装脚本：
打开终端，使用wget命令下载Anaconda安装脚本：
```
wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh
```
验证安装脚本（可选）：
验证安装脚本的SHA-256校验和，以确保下载的文件完整：
```
sha256sum Anaconda3-latest-Linux-x86_64.sh
```
将输出的哈希值与Anaconda官网上提供的哈希值进行对比。
运行安装脚本：
运行下载的安装脚本：
```
bash Anaconda3-latest-Linux-x86_64.sh
```
按照提示进行安装：
按照脚本提示进行安装，通常只需按回车键选择默认选项。安装完成后，脚本会询问是否将Anaconda添加到你的PATH环境变量中，建议选择yes。
激活Conda：
关闭并重新打开终端，或者运行以下命令激活Conda环境：
```
source ~/.bashrc
```
确保Conda已安装并可用：
```
conda --version
```

ARM架构的ubuntu系统下安装conda

在ARM架构的Ubuntu系统中安装Conda的步骤与x86架构略有不同。由于Conda官方主要为x86架构提供了安装包，我们可以使用Miniforge来安装Conda，这是一个适用于多种架构的轻量级Conda发行版。

以下是通过Miniforge安装Conda的方法：

使用Miniforge安装Conda

下载Miniforge安装脚本：
打开终端，使用wget命令下载适用于ARM架构的Miniforge安装脚本：
```
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-aarch64.sh
```
验证安装脚本（可选）：
验证安装脚本的SHA-256校验和，以确保下载的文件完整：
```
sha256sum Miniforge3-Linux-aarch64.sh
```
将输出的哈希值与Miniforge官网上提供的哈希值进行对比。
运行安装脚本：
运行下载的安装脚本：
```
bash Miniforge3-Linux-aarch64.sh
```
按照提示进行安装：
按照脚本提示进行安装，通常只需按回车键选择默认选项。安装完成后，脚本会询问是否将Miniforge添加到你的PATH环境变量中，建议选择yes。
激活Conda：
关闭并重新打开终端，或者运行以下命令激活Conda环境：
```
source ~/.bashrc
```
确保Conda已安装并可用：
```
conda --version
```

使用Conda

通过上述步骤，你已经在ARM架构的Ubuntu系统中安装了Miniforge，并且可以像使用标准的Conda一样管理你的环境和包。Miniforge使用conda-forge通道来安装包，确保兼容性和可用性。

如果有任何问题，可以查阅Miniforge的官方文档以获取更多信息和支持。

windows系统下安装conda

在Windows系统中安装Conda的步骤如下：

方法1：通过Miniconda安装（推荐）

下载Miniconda安装程序：
打开浏览器，访问Miniconda的官网：Miniconda下载页面。
选择适用于Windows的安装程序（通常是Miniconda3 Windows 64-bit），然后下载。
Miniconda下载链接
 Anaconda下载链接
下载的版本要和注意自己系统的架构对应！！！
运行安装程序：
找到下载的安装程序（例如 Miniconda3-latest-Windows-x86_64.exe），双击运行。
按照提示进行安装：
- 阅读许可协议并接受。
- 选择安装类型（一般选择“Just Me”）。
- 选择安装位置（建议使用默认位置）。
- 确保勾选“Add Miniconda to my PATH environment variable”（将Miniconda添加到PATH环境变量）以便在命令提示符中直接使用Conda。
完成安装：
安装完成后，可以选择直接运行Conda初始化（Initialize Miniconda）。
验证安装：
打开命令提示符（Cmd）或PowerShell，运行以下命令以确保Conda已安装并可用：
```
conda --version
```

方法2：通过Anaconda安装

下载Anaconda安装程序：
打开浏览器，访问Anaconda的官网：Anaconda下载页面。
选择适用于Windows的安装程序（通常是Anaconda3 Windows 64-bit），然后下载。
运行安装程序：
找到下载的安装程序（例如 Anaconda3-latest-Windows-x86_64.exe），双击运行。
按照提示进行安装：
- 阅读许可协议并接受。
- 选择安装类型（一般选择“Just Me”）。
- 选择安装位置（建议使用默认位置）。
- 确保勾选“Add Anaconda to my PATH environment variable”（将Anaconda添加到PATH环境变量）和“Register Anaconda as my default Python”（将Anaconda注册为默认的Python）。
完成安装：
安装完成后，可以选择直接运行Anaconda Navigator或Anaconda Prompt。
验证安装：
打开命令提示符（Cmd）或PowerShell，运行以下命令以确保Conda已安装并可用：
```
conda --version
```

使用Conda

安装完成后，可以通过命令提示符（Cmd）或PowerShell使用Conda命令管理环境和包。例如：

conda create -n myenv python=3.9
conda activate myenv
conda install numpy

2. 增加环境变量（`不一定要`）

在大多数情况下，安装Miniconda或Anaconda时，安装程序会自动将Conda添加到系统的环境变量中。如果你在安装过程中选择了相应的选项（通常是“Add Anaconda to my PATH environment variable”），你不需要手动添加环境变量。不过，如果你在安装过程中没有选择该选项，或者Conda命令无法正常使用，可以手动添加环境变量。如果conda --version能查询到版本号，就表示环境变量没问题。

1）找到 Conda 的安装路径

通常，Miniconda 会安装到用户目录下的 Miniconda3 文件夹，例如：
Windows: C:\Users\Miniconda3
Mac/Linux: /home//miniconda3/ 或 /Users//miniconda3/

2）添加 Conda 到系统环境变量

Windows

打开系统属性：
右键点击 “此电脑” 或 “我的电脑”，选择 “属性”。
点击 “高级系统设置”。
点击 “环境变量”。
编辑 Path 变量：
在 “系统变量” 部分，找到并选择 Path 变量，然后点击 “编辑”。
点击 “新建”，然后添加 Miniconda 的安装路径，例如 C:\Users\Miniconda3 和 C:\Users\Miniconda3\Scripts。
确认并保存所有设置。
重新启动终端：

关闭并重新打开命令提示符或 PowerShell，以确保环境变量更新生效。

Mac/Linux

打开终端。
编辑 .bashrc 或 .zshrc 文件：

使用你喜欢的文本编辑器打开你的 shell 配置文件，例如：

nano ~/.bashrc  # 如果你使用的是 Bash
nano ~/.zshrc   # 如果你使用的是 Zsh

添加以下行：

export PATH="$HOME/miniconda3/bin:$PATH"

保存并关闭文件。
刷新配置文件：

source ~/.bashrc  # 如果你使用的是 Bash
source ~/.zshrc   # 如果你使用的是 Zsh

3）验证 conda 命令

打开新的终端窗口，并运行以下命令以验证 Conda 是否正确安装：

conda --version

如果一切正常，你应该会看到 Conda 的版本号。

2. 创建并激活 conda 环境：

conda create -n myenv python=3.11	# 选择 Python 版本取决于你的项目需求以及所使用的库的兼容性
conda init	# 安装后首次使用conda需要先初始化，然后重新打开命令行窗口！！！
conda activate myenv

3. 用conda安装 PyTorch 和相关库：

conda install pytorch torchvision torchaudio cudatoolkit=11.8.0 -c pytorch -c nvidia

该命令一次性安装了 PyTorch 及其相关的计算机视觉和音频处理库，并且指定了 CUDA Toolkit 11.1 版本，使得这些库能够利用 NVIDIA GPU 进行加速计算。通过使用 -c pytorch 和 -c nvidia 选项，确保了从官方维护的频道安装最新版本的包，这有助于避免兼容性问题。

该命令通过 Conda 安装以下软件包和库：

PyTorch (pytorch):
一个开源的深度学习框架，由 Facebook 的人工智能研究团队开发。PyTorch 提供了张量计算&#x

最低0.47元/天解锁文章

科技人生

关注

26
点赞
踩
26

收藏

觉得还不错? 一键收藏
0
评论
英伟达SSD视觉算法模型训练、转换与部署

深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论。一般的深度学习项目，训练时为了加快速度，会使用多 GPU 分布式训练。但在部署推理时，为了降低成本，往往使用单个 GPU机器甚至嵌入式平台进行部署。Jetson Nano 可以完成整个训练和推理流程，但基于 Jetson Nano 的低算力，不推荐在。
复制链接

扫一扫