Linux caffe mnist测试,Ubuntu 14.04 Caffe和TensorFlow的ARM NN SDK编译环境搭建及MNIST程序测试...

最新推荐文章于 2024-05-15 09:44:44 发布

陈泽杜

最新推荐文章于 2024-05-15 09:44:44 发布

阅读量235

点赞数

文章标签： Linux caffe mnist测试

• SCons. Arm has tested SCons 2.4.1, other versions might work.

• CMake. Arm has tested CMake 3.5.1, other versions might work.

• Boost. Arm have tested version 1.64.

• Protobuf. Arm has tested version 3.5.0.

• ARM NN SDK

• Compute Library

• Caffe及相关

无论安装是否安装过SCons，都可以在root用户下执行以下命令

rm /usr/local/bin/scons*

rm -r /usr/local/lib/scons*

下载官方推荐版本，将安装包放入/home/armnn，解压进入/home/armnn/scons-2.4.1# 执行

sudo python setup.py install

应该会顺利的安装结束

卸载原有系统上安装的cmake(如果不卸载系统自带的，直接安装，可能会出现错误)。

apt-get autoremove cmake

下载CMake-3.5.1-linux-x86_64.tar.gz，或者官网下载，然后直接sh cmake-3.11.1-Linux-x86_64.sh即可；如果是下载了*tar.gz的放到/home/armnn/下解压然后执行

ln -s /home/armnn/cmake-3.5.1-Linux-x86_64/bin/* /usr/bin/

官网下载1.64.0版本，放入/home/armnn/解压之后的文件夹为boost_1_64_0，进入该文件夹运行

运行结果如下所示：

Building Boost.Build engine with toolset gcc… tools/build/src/engine/bin.linuxx86_64/b2

Detecting Python version… 2.7

Detecting Python root… /opt/fsl-imx-wayland/4.9.51-mx8-ga/sysroots/x86_64-pokysdk-linux/usr

Unicode/ICU support for Boost.Regex?.. not found.

Generating Boost.Build configuration in project-config.jam…

Bootstrapping is done. To build, run:

./b2

To adjust configuration, edit ‘project-config.jam’.

Further information:

-Command line help:

./b2 --help

- Getting started guide:

- Boost.Build documentation:

修改修改project-config.jam文件

if ! gcc in [ feature.values ]

{

using gcc : arm : aarch64-poky-linux-gcc --sysroot=$SDKTARGETSYSROOT

}//注意冒号后面的空格若为32位平台则如下

if ! gcc in [ feature.values ]

{

using gcc : arm : arm-linux-gnueabihf-gcc ;

}//注意编译的时候要是能你的编译器的环境变量

保存后执行

./b2 link=static cxxflags=-fPIC --with-filesystem --with-test --with-log --with-program_options

如图所示64位arm平台：

c7f5dd7986f1

对于ARMv7-A架构的设备在/home/armnn/Compute Library/运行下面的指令进行编译：

scons extra_cxx_flags="-fPIC" benchmark_tests=1 validation_tests=1 neon=1 opencl=1 embed_kernels=1

aarch-ARMV8的架构执行

scons arch=arm64-v8a extra_cxx_flags="-fPIC" benchmark_tests=0 validation_tests=0 opencl=1 embed_kernels=1 neon=1

如果提示以下错误：

ERROR: Compiler ’ aarch64-linux-gnu-aarch64-poky-linux-g++

--sysroot=/opt/fsl-imx-wayland/4.9.51-mx8-ga/sysroots/aarch64-poky-linux’

not found

修改SContruct文件下ARMV8的prefix为“”空，

前提要先使能编译器环境在这里使用的nxp的编译器aarch64-poky-linux-g

elif env[‘arch’] == ‘arm64-v8a’:

env.Append(CXXFLAGS = [’-march=armv8-a’])

env.Append(CPPDEFINES = [‘ARM_COMPUTE_AARCH64_V8A’,‘NO_DOT_IN_TOOLCHAIN’])

if env[‘os’] == ‘linux’:

prefix = “aarch64-linux-gnu-”//改为 prefix = “”

大概一个小时可以编译完吧,期间可以安装后面的环境

注意：

在编译最新版时，可能会出现(新版计算库会提高推理速度)

arm-linux-gnueabihf-g++: internal compiler error: Killed (program cc1plus)原因是内存不足，需要增加临时swap空间

step 1:

#sudo dd if=/dev/zero of=/home/swap bs=64M count=16

step 2:

# sudo mkswap /home/swap (可能会提示warning: don’t erase bootbits sectorson whole disk. Use -f to force，不用理会)

step 3:

#sudo swapon /home/swap

step 4:重新执行编译

完成编译后释放空间

关闭:

step 1:sudo swapoff /home/swap

step 2:sudo rm /home/swap

下载

cd protobuf

git submodule update --init --recursive

首先为了能够使用x86的protoc编译Caffe，这里先不对protobuf进行任何配置直接执行

./autogen.sh

一般会提示

configure.ac:104: error: possibly undefined macro: AC_PROG_LIBTOOL

错误

此时需要执行

apt-get install libtool

执行autogen.sh之后，再执行./configure

依次执行make、make check 、make install 时间在半小时至一小时不等，可以先做其他事

之后我们去编译Caffe和配置TensorFlow，等编译完成后，我们执行make clean后重新配置configure按照以下两种平台执行

c7f5dd7986f1

ARMv7-A架构：

./configure --host=arm-linux \

CC=arm-linux-gnueabihf-gcc \

CXX=arm-linux-gnueabihf-g++

–with-protoc=/home/armnn/protobuf/bin/protoc

ARMv8-A架构使用自己你的目标板编译器：

./configure --host=aarch64-linux CC=aarch64-linux-gnu-gcc

CXX=aarch64-linux-gnu-g++ --with-protoc=/home/armnn/protobuf/bin/protoc

安装环境可以参考官方安装

以下笔者根据官方的挑出14.04需要的

BLAS:apt-get install libatlas-base-devor install OpenBLAS by sudoapt-get install libopenblas-devor MKL for better CPU performance.

Python (optional): if you use the default Python you will need to sudoapt-get install the python-devpackage to have the Python headers for building the pycaffe interface.

apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

apt-get install --no-install-recommends libboost-all-dev

apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

安装完成之后进入caffe目录

mkdir build

cmake …

make all

make install

make runtest

make all时汇报很多错误，在错误的开头会提示

error This file requires compiler and library support for the ISO C++ 2011 standard. This support is currently experimental, and must be enabled with the -std=c++11

or -std=gnu++11 compiler options.

此时需要在CMakeList.txt 的第57行添加

set(CMAKE_CXX_FLAGS “-fPIC -std=c++11”)

下载到/home/armnn目录下

进入到tensorflow执行

/home/armnn/armnn/scripts/generate_tensorflow_protobuf.sh /home/armnn/protobuf/src/

正常情况什么都不提示，如果提示

/home/armnn/protobuf/bin/protoc: 1: /home/armnn/protobuf/bin/protoc: Syntax error: Unterminated quoted string

是因为protobuf编译没使用默认的x86编译，重新编译protobuf，之后make install

下载：

进入armnn，修改CMakeLists.txt，在首行添加

set(CMAKE_CXX_FLAGS “${CMAKE_CXX_FLAGS} -std=c++11 -Wall -Werror -Wno-unused-variable -Wold-style-cast -Wno-missing-braces -Wconversion -Wsign-conversion -pthread”)

SET(BOOST_ROOT /home/armnn/boost_1_64_0)

SET(CMAKE_C_COMPILER /home/tronlong/gcc-linaro-5.3-2016.02-x86_64_arm-linux-gnueabihf/bin/arm-linux-gnueabihf-gcc)

SET(CMAKE_CXX_COMPILER /home/tronlong/gcc-linaro-5.3-2016.02-x86_64_arm-linux-gnueabihf/bin/arm-linux-gnueabihf-g++)

创建build，进入build

cmake . . -DARMCOMPUTE_ROOT=/home/armnn/ComputeLibrary

-DARMCOMPUTE_BUILD_DIR=/home/armnn/ComputeLibrary/build

-DBOOST_ROOT=/home/armnn/boost_1_64_0

-DTF_GENERATED_SOURCES=/home/armnn/protobuf/src

-DCAFFE_GENERATED_SOURCES=/home/armnn/caffe/build/include

-DBUILD_CAFFE_PARSER=1 -DARMCOMPUTENEON=1 -DBUILD_TF_PARSER=1

-DPROTOBUF_LIBRARY_RELEASE=/home/armnn/protobuf/src/.libs/libprotobuf.so

-DPROTOBUF_LIBRARY_DEBUG=/home/armnn/protobuf/src/.libs/libprotobuf.so

-DPROTOBUF_INCLUDE_DIRS=/usr/local

make

完成后如图，第一次编译完成后忘记保存图片

c7f5dd7986f1

build下会出现armnn的caffe和tensorflow库和单元测试程序UnitTests

c7f5dd7986f1

下面我们将环境移植到开发板，笔者使用的是NXP的i.mx8mqevk的开发板，通过scp的命令将build下的程序考入目标板

scp -r libarmnn* UnitTestsroot@192.168.0.101:/home/root/

scp -r /home/armnn/protobuf/src/.libs/libprotobuf.so.17root@192.168.0.101:/home/root/

将libarmnn前缀的4个库都mv到根目录/lib/

c7f5dd7986f1

首先下载官方提供的例程：

进入ML-examples/armnn-mnist，编辑Makefile如下

ARMNN_LIB = /home/armnn/armnn/build

ARMNN_INC = /home/armnn/armnn/include

BOOST_ROOT = /home/armnn/boost_1_64_0

PROTOBUF = /home/armnn/protobuf/src/.libs

all: mnist_caffe mnist_tf

mnist_caffe: mnist_caffe.cpp mnist_loader.hpp

$(CXX) -O3 -std=c++14 -I$(ARMNN_INC) -I$(BOOST_ROOT) mnist_caffe.cpp -o mnist_caffe -L$(PROTOBUF) -L$(ARMNN_LIB) -lprotobuf -larmnn -larmnnCaffeParser -lpthread

mnist_tf: mnist_tf.cpp mnist_loader.hpp

$(CXX) -O3 -std=c++14 -I$(ARMNN_INC) -I$(BOOST_ROOT) mnist_tf.cpp -o mnist_tf -L$(PROTOBUF) -L$(ARMNN_LIB) -lprotobuf -larmnn -larmnnTfParser -lpthread

clean:

-rm -f mnist_tf mnist_caffe

test: mnist_caffe mnist_tf

LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$(ARMNN_LIB) ./mnist_caffe

LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$(ARMNN_LIB) ./mnist_tf

编译的时候要注意你使用的交叉编译器，你的protobuf库，v7架构没有在caffe的编译出增加-lpthread，但V8不增加的话会提示错误

之后进行make，编译完成后把文件夹下面的data和modle和生成的mnist_caffe\mnist_tf都scp到目标板，分别执行mnist-caffe和mnist_tf如下

到此，环境搭建并测试完成，有问题欢迎大家留言讨论

c7f5dd7986f1

陈泽杜

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Linux caffe mnist测试,Ubuntu 14.04 Caffe和TensorFlow的ARM NN SDK编译环境搭建及MNIST程序测试...

• SCons. Arm has tested SCons 2.4.1, other versions might work.• CMake. Arm has tested CMake 3.5.1, other versions might work.• Boost. Arm have tested version 1.64.• Protobuf. Arm has tested version 3...
复制链接

扫一扫