以下为我参考JK Jung’s blog YOLOv3 on Jetson TX2在自己的TX2上测试yolo v3的过程。

0 刷机安装JetPack-3.2

1 安装opencv3.4.0(因为目前安装的3.4.1不能跑yolo)

Step1 Remove all old opencv stuffs installed bt JetPack

    $ sudo apt-get purge libopencv*

Step2 换到最新的numpy,因此要删掉老的numpy
Step3

     $ sudo apt-get update$ sudo apt-get dist-upgrade

2.安装Yolo3

Step1 下载源代码

   $ git clone https://github.com/pjreddie/darknet yolo3$ cd yolo3

Step2 直接编译,此时是只使用CPU

   $ make

Step3 下载预训练模型

   $  wget https://pjreddie.com/media/files/yolov3.weights

Step4 运行代码,检测示例图片

   $ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

格式： ./darknet detect .cfg 预训练权重预测权重

以上出现问题,代码被kill,原因是TX2内存溢出,因此对Step2进行修改,开启GPU

Step2+：

   $ vim Makefile

修改为：

   GPU=1 #开启GPUCUDNN=1 #OPENCV=1 #开启Opencv

然后重新编译:

   $ make

修改后仍溢出内存,发现是batch size太大了,不适合在TX2上跑,因此修改yolov3/cfg/yolov3.cfg文件,将Training注释掉,改Testing的batch为1,即:

# Testing
batch=1
subdivisions=1
# Training
#batch=64
#subdivisions=16

重新编译成功！

成功！平均每张0.5s左右

三、跑Yolo于图片小tips

1. 检测指定路径的图像

 $ ./darknet detect cfg/yolov3.cfg yolov3.weights

会输出：Enter Image Path:
2.改变阈值：
By default, YOLO only displays objects detected with a confidence of .25
or higher. You can change this by passing the -thresh flag to the yolo command.
For example, to display all detection you can set the threshold to 0:

$ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

3. Tiny YOLOv3
在保证精度不损失太多的前提下,有个轻量级的网络—— yolov3-tiny.

Step1:下载权重

$ wget https://pjreddie.com/media/files/yolov3-tiny.weights

Step2:跑起来！

$ ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

这是个轻量级的网络,因此耗时较短:0.034424s

4. 使用摄像头

Step1: 首先需要编译 Darknet with CUDA and OpenCV.
其实我们已经编译过了
Step2: 运行代码

$ ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

报错：

Couldn't connect to wecam.
Resource temporarily unavaliable
YOLO will display the current FPS and predicted classes as well as the image with bounding boxes drawn on top of it.

原因是OPENCV默认采用0号摄像头，TX2的0号摄像头是板子上自带的板上摄像头，而我们的usb摄像头是1号，故使用如下代码，解决了问题：

$  ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -c 1//使用1号摄像头

NVIDIA JETSON TX2上运行yolo3相关推荐

在 NVIDIA jetson tx2 上基于 realsense d435i 相机运行 vins 相关配置
在 NVIDIA jetson tx2 上基于 realsense d435i 相机运行 vins 相关配置一.tx2刷机二.安装librealsense,realsense驱动 1.安装依赖库 ...
在NVIDIA Jetson TX2上安装TensorFlow
五月两场 | NVIDIA DLI 深度学习入门课程 5月19日/5月26日一天密集式学习快速带你入门阅读全文> 正文共3070个字,3张图,预计阅读时间14分钟. 本文内容安排如下: 刷机 ...
jetson tx2上运行mobilenet-ssd的坑：interrupted by signal 9: SIGKILL
从ssd-caffe转战到mobilenet-ssd,也就是为了实时性.jetson tx2运行caffe-ssd前向的时间大概就是210ms.但是经过实际测试,对前5层卷积层使用CUDNN加速时,m ...
NVIDIA Jetson TX2 上手指南
文章目录一个性能强大的边缘设备我和**NVIDIA Jetson TX2**的初体验 Fresh Your TX2 为什么在第一步取消Host Machine 可能遇到的问题用上最好的性能,小风 ...
NVIDIA Jetson TX2 环境配置
前言笔者参加学校的冰壶机器人实验课基于NVIDIA Jetson TX2开发板进行开发.这篇文章主要记录NVIDIA Jetson TX2的环境配置过程和踩坑记录. 一.NVIDIA Jetson ...
Nvidia Jetson TX2+Intel Realsense D435i跑ORB_SLAM3
前言:网上的教程实在是太多,从诸多教程中找到一个适合自己的实属不易.将此记录下来,希望能够帮助到有需要的人.因为时间紧迫,没时间写特别详细的内容,只能引用一些他人的步骤.请见谅!不过经过亲测,过程是完 ...
Nvidia Jetson TX2入门指南(白话版)
最近要用到jetson tx2,但之前也完全没有接触过.边用边学,这篇文章就是向新手介绍下jetson tx2刚入手的一些事项(适合纯小白~). 一.TX2初认识开发板全称:Nvidia Jet ...
Nvidia Jetson TX2 详细刷机教程及踩坑记录（Jetpack3.3，python2.7，torch1.2，torchvision0.2.2）
本文总结了自带系统安装cuda等深度学习环境和使用jetpack3.3刷机的步骤,虽然自己的代码没用上,但有需要的人可以参考一下. PS:Jetpack4.5的刷机教程请移步另一篇文章: xyl-50 ...
Nvidia Jetson TX2 详细刷机教程及踩坑记录（Jetpack4.5.1，python3.6，torch1.6，torchvision0.7）
最近接触到了Nvidia Jetson TX2这块开发板,想入手测试一下自己的深度学习模型,因此和TX2的故事开始了! 前言本人刷机多次,尝试各种大小坑: 自带系统搭建环境:刚开始不想刷机,就自己手 ...
Jetson TX2上配置archiconda、Yolov5、tensorrtx环境问题记录
文章目录前言本文主要记录在Jetson TX2上配置archiconda.Yolov5.tensorrtx环境中遇到的问题以及解决方法.以及一些包的分享. 一.Jetson TX2刷机二.安装a ...

NVIDIA JETSON TX2上运行yolo3

0 刷机安装JetPack-3.2

1 安装opencv3.4.0(因为目前安装的3.4.1不能跑yolo)

2.安装Yolo3

三、跑Yolo于图片小tips

NVIDIA JETSON TX2上运行yolo3相关推荐

最新文章

热门文章