tx2配置ssd

安装依赖项：

sudo apt-get update

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev

libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
BLAS 安装
sudo apt-get install libatlas-base-dev
安装 pycaffe 接口所需要的依赖项
sudo apt-get install -y python-numpy python-scipy
python-matplotlib python-sklearn python-skimage python-h5py
python-protobuf python-leveldb python-networkx python-nose
python-pandas python-gflags cython ipython
继续安装依赖项

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

1、安装Git
终端输入：
sudo apt-get install git
2、安装SSD
在主文件下终端输入（即/home/***（您的服务器名字）这个目录）：
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd（出现“分支”则说明copy-check成功）


第二部分：配置SSD（caffe）
终端输入：
cd /home/**（您服务器的名字）/caffe
cp Makefile.config.example Makefile.config

打开Makefile.config

 

修改下列：

USE_CUDNN := 1

CUDA_DIR := /usr/local/cuda-8.0
WITH_PYTHON_LAYER := 1
INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB)/usr/local/lib/usr/lib /usr/lib/aarch64-linux-gnu/hdf5/serial

为了匹配cuda8.0的计算能力，请把Makefile.config中CUDA_ARCH中的前两行去掉。（不去掉的话编译时会有警告）

在Makefile文件中，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs opencv_videoio

(关于opencv需要修改，应该是我安装了opencv3.4.0的原因)

 

编译caffe:

cd /home/**（您服务器的名字）/caffe

mkdir build
cd build
cmake ..（cmake和..中间又一个空格）
make all -j16（"‐j16"是使用 CPU 的多核进行编译,可以极大地加速编译的速度）
make install
make runtest（这一步不是必须的）

make pycaffe（编译pycaffe）

修改路径：

export PYTHONPATN=/home/nvidia/caffe/python

下载模型：

模型是我之前下载好的，目前连接找不到了

在caffe/models文件夹下新建文件夹，命名为VGGNet/，将刚刚下载下来的文件放入这个VGGNet文件夹当中

 演示
演示网络摄像头识别效果，终端输入：

python examples/ssd/ssd_pascal_webcam.py

 

遇到的问题：

（1）ImportError: No module named model_libs

解决方法：出现该错误的原因是python接口的路径不对

在终端输入：echo $PYTHONPATH 

可弹出当前python的路径，由于我之前编译过faster-rcnn，所以是我faster_rcnn的python接口

采用：

打开~/.bashrc文件：vi ~/.bashrc

在文件末尾输入：export PYTHONPATH=/home/nvidia(自己机器的名字)/caffe/python:$PYTHONPATH

然后在终端更新一下：source ~/.bashrc

最后可用echo $PYTHONPATH 查看当前路径是否为ssd路径。