Nvidia Jetson Agx Xavier 安装yolov3踩坑指南

安装主要参考博客:
Jetson agx Xavier上yolov3的安装和测试
我按照上面教程进行安装时并不顺利,遇到如下几个常见错误:
1、遇到libjasper依赖失败。
参考博客:
Jetson AGX Xavier刷机+安装opencv+使用TensorRT加速推理yolo全过程+心路历程
解决方法:
修改源,将清华源中(假设是清华源)带security的两行中的bionic降级到xenial
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse
进入root模式
apt-get update
apt-get install libjasper1 libjasper.dev
然后把源换回来。

2、进行到make -j8 这一步出现了如下报错:
./src/convolutional_layer.c:153:13: error: ‘CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT’ undeclared (first use in this function); did you mean ‘CUDNN_CONVOLUTION_FWD_ALGO_DIRECT’?

参考博客:
如何解决pjreddie版darknet不能使用cudnn8编译的问题
解决方法:
将这个文件下载下来,取代你现在的convolutional_layer.c
https://github.com/arnoldfychen/darknet/blob/master/src/convolutional_layer.c
该文件在darknet/src路径下,取代的意思是把这个路径下的convolutional_layer.c删了,或者改个名字,然后把从上面GitHub下载下来的convolutional_layer.c文件放到darknet/src路径下
然后在darknet/路径下执行:

make -j8

3、上步执行完后,./darknet验证安装是否成功时报错:
./darknet: error while loading shared libraries: libopencv_highgui.so.3.4: cannot open shared object file: No such file or directory

参考博客:
error while loading shared libraries: libopencv_highgui.so.3.4: cannot open shared object file解决方法
解决方法:
如果

locate libopencv_highgui.so.3.4

这一步没输出任何东西。
尝试以下解决方式:

sudo apt-get install libopencv-highgui-dev
find /usr | grep libopencv_highgui.so.3.4
find /home | grep libopencv_highgui.so.3.4

可以看到输出了:

/home/nvidia/ssd/tools/opencv-3.4.0/release/lib/libopencv_highgui.so.3.4.0
/home/nvidia/ssd/tools/opencv-3.4.0/release/lib/libopencv_highgui.so.3.4
/usr/local/lib/libopencv_highgui.so.3.4.0
/usr/local/lib/libopencv_highgui.so.3.4

在/etc/ld.so.conf.d目录下新建一个opencv.conf文件,将如下内容写入opencv.conf中

/usr/local/lib
/home/smile/opencv3.4.0/build/lib

然后执行

sudo ldconfig
make clean
make -j8
./darknet

输出如下内容则安装成功

usage: ./darknet <function>

4、另外注意
Jetson agx Xavier上yolov3的安装和测试这个教程中,修改Makefile这一步中的NVCC这一步,文件往下翻能找到NVCC这一项,然后修改一下,不要直接粘贴。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
告知:需要学习YOLOv4进行TT100K数据集上中国交通标志识别的学员请前往(1) Ubuntu系统《YOLOv4目标检测实战:中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/29362(2)《Windows版YOLOv4目标检测实战:中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/29363在无人驾驶中,交通标志识别是一项重要的任务。本课程中的项目以美国交通标志数据集LISA为训练对象,采用YOLOv3目标检测方法实现实时交通标志识别。具体项目过程包括包括:安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。YOLOv3基于深度学习,可以实时地进行端到端的目标检测,以速度快见长。本课程将手把手地教大家使用YOLOv3实现交通标志的多目标检测。本课程的YOLOv3使用Darknet,在Ubuntu系统上做项目演示。 Darknet是使用C语言实现的轻型开源深度学习框架,依赖少,可移植性好,值得深入学习和探究。除本课程《YOLOv3目标检测实战:交通标志识别》外,本人推出了有关YOLOv3目标检测的系列课程,请持续关注该系列的其它课程视频,包括:《YOLOv3目标检测实战:训练自己的数据集》《YOLOv3目标检测:原理与源码解析》《YOLOv3目标检测:网络模型改进方法》另一门课程《YOLOv3目标检测实战:训练自己的数据集》主要是介绍如何训练自己标注的数据集。而本课程的区别主要在于学习对已标注数据集的格式转换,即把LISA数据集从csv格式转换成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本课程提供数据集格式转换的Python代码。请大家关注以上课程,并选择学习。下图是使用YOLOv3进行交通标志识别的测试结果

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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