Jetson nano之pytorch 深度学习

Jetson nano之pytorch 深度学习

利用Darknet 和 YOLO进行检测

• 利用yolo训练好的模型进行检测

git clone https://github.com/pjreddie/darknet
wget https://pjreddie.com/media/files/yolov3.weights
#需要网载的东西
cd darknet
sudo vim Makefile


GPU=1
CUDNN=1
NVCC=/usr/local/cuda-10.0/bin/nvcc

ifeq ($(GPU), 1)
#只修改这个下面的
COMMON+= -DGPU -I/usr/local/cuda-10.0/include/
LDFLAGS+= -L/usr/local/cuda-10.0/lib64 -lcuda -lcudart -lcublas -lcurand

​ 之后按照博客对~/.bashrc文件添加了路径

export PATH="/usr/local/cuda-10.0/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH" 

​ 再回到原本的文件夹下make。make完成后，将下载好的权重文件放在darknet文件夹下，执行命令

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
#可执行文件  功能  文件夹下的cfg配置  权重文件    文件夹下的测试图片
##上述文字对应上述代码各片段的作用

​ 使用yolov3.cfg跑代码仅在第四回程序就被杀死，内存占用过大。选用了yolov3-tiny.cfg和yolov3-tiny.weights同样可以执行上面的测试代码，执行效果如下：

​ 因为yolov3-tiny效果其实并不太好，有其他效果很差的识别图。

​ 下面给出yolov3-tiny的效果对比图，这些图也反映了我放弃yolov3-tiny的原因：

​ 因此打算选用yolov4。其权重下载地址在https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT。

​ 不过其darknet模型yolov3不在一个git库中，从网上重新下载之后

cd darknet-master
sudo vim Makefile

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
OPENMP=1
LIBSO=1
#之后同上将一些含有cuda的改成cuda-10.0

make

​ 同样，下载权重后，再运行

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

​ 结果发现，yolov4也不能幸免，在133个进程后被杀死。还是内存不够的原因，因此采用接下来的方法。

​ 根据其他博主的做法，创建一个swapfile。Jetson Nano只有4GB内存，不足以编译dlib。为了解决这个问题，我们将设置一个swapfile，通过调用磁盘的虚拟内存，它允许我们将磁盘空间用作额外的RAM。

​ 运行以下命令

git clone https://github.com/JetsonHacksNano/installSwapfile
cd installSwapfile
./installSwapfile.sh

​ 然后看到结果如下：

​ 重启之后，再次挑战yolov4。（看这样子感觉训练没办法在Jetson nano上做了，还要在自己电脑上跑训练了，又要匹配环境⊙﹏⊙∥）再次运行结果如下：

​ 看到这里就感慨之前yolov3-tiny的效果图了。。不能比。

​
同时，使用了磁盘充当内存后我也回去试了试yolov3，首先第一感觉是慢，在其12层被卡死时我选择了放弃,板子已经过热，重启之后依旧卡死（有yolov4了之后就不用再搞yolov3了，v4真香）。

Jetson nano摄像头运行yolo demo

安装GStreamer

安装以下内容：

sudo add-apt-repository universe
sudo add-apt-repository multiverse
sudo apt-get update
sudo apt-get install gstreamer1.0-tools gstreamer1.0-alsa gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav
sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev libgstreamer-plugins-bad1.0-dev

之后,修改之前Makefile的配置，将里面的OPENCV设为1，之后再make，否则下述代码运行不成功。

./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv flip-method=2 ! video/x-raw, width=1280, height=720, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink"

效果图如下（摄像头清晰度过低）：

最后，因网速下载过慢之类的，若有需权重文件、一些git库的，可私信联系，我整理一下放在网盘里发链接出来。