参考官方博客：https://developer.nvidia.com/blog/creating-a-real-time-license-plate-detection-and-recognition-app/
参考博客：https://blog.csdn.net/zong596568821xp/article/details/114143709

在虚拟环境中安装依赖库

我是在conda中新建了虚拟环境，

conda create -n tao python=python3.6
pip3 install nvidia-pyindex
pip3 install nvidia-tao
wget --content-disposition https://api.ngc.nvidia.com/v2/resources/nvidia/tao/cv_samples/versions/v1.2.0/zip -O cv_samples_v1.2.0.zip
unzip -u cv_samples_v1.2.0.zip  -d ./cv_samples_v1.2.0 && rm -rf cv_samples_v1.2.0.zip && cd ./cv_samples_v1.2.0

准备lpr数据集

$ git clone https://github.com/openalpr/benchmarks benchmarks
$ wget https://github.com/NVIDIA-AI-IOT/deepstream_tlt_apps/blob/release/tlt3.0/misc/dev_blog/LPDR/lpr/preprocess_openalpr_benchmark.py$ python preprocess_openalpr_benchmark.py --input_dir=./benchmarks/endtoend/us --output_dir=./data/openalpr

训练

$ tlt lprnet train -e /workspace/tlt-experiments/lprnet/tutorial_spec.txt \-r /workspace/tlt-experiments/lprnet/ \-k nvidia_tlt \-m /workspace/tlt-experiments/lprnet/us_lprnet_baseline18_trainable.tlt

训练时环境报错：
报错1

No file found at: /.docker/config.json. Did you run docker login?

发现需要登录docker

sudo docker login

然后输入账号和密码，没有的需要去docker官网注册。https://hub.docker.com/
参考：https://www.503error.com/2019/dockerconfig-json-%E6%96%87%E4%BB%B6%E9%87%8C%E5%AD%98%E5%82%A8%E7%9A%84%E6%98%AF%E4%BB%80%E4%B9%88/1629.html

登录完成之后还是报同样的错，发现我生成的config.json不在~/.docker/config.json这个地方，复制过去还是报错，好像是报权限限制。这个文件必须用sudo才能打开，后来改了权限，在代码中指定了路径，这个报错才解决。

报错2：
Please run docker login nvcr.io
说是我的docker不是用nvcr.io登录的。
解决：

$ docker login nvcr.io
Username: $oauthtoken
Password: <Your Key>

重新生成.docker/config.json
参考：https://blog.csdn.net/chqfeiyang/article/details/89674055

报错3：
docker.errors.DockerException: Error while fetching server API version: (‘Connection aborted.’, Perm…
解决：
将当前用户添加到docker组

sudo groupadd docker
sudo gpasswd -a  ${UAER} docker`
sudo service docker restart
#或者执行以下命令，无须重新登录
newgrp docker

解决。

运行程序：

~/tao/cv_samples_v1.2.0/lprnet$ ./train.sh
~/.tao_mounts.json wasn't found. Falling back to obtain mount points and docker configs from ~/.tlt_mounts.json.
Please note that this will be deprecated going forward.
2021-11-04 19:42:27,266 [INFO] root: Registry: ['nvcr.io']
zl
2021-11-04 19:42:27,404 [INFO] tlt.components.docker_handler.docker_handler: The required docker doesn't exist locally/the manifest has changed. Pulling a new docker.
2021-11-04 19:42:27,404 [INFO] tlt.components.docker_handler.docker_handler: Pulling the required container. This may take several minutes if you're doing this for the first time. Please wait here.
...
Repository name: nvcr.io/nvidia/tao/tao-toolkit-tf
2021-11-04 20:08:41,025 [INFO] tlt.components.docker_handler.docker_handler: Container pull complete.
2021-11-04 20:08:41,025 [INFO] root: No mount points were found in the /home/zhanglu/.tlt_mounts.json file.
2021-11-04 20:08:41,026 [WARNING] tlt.components.docker_handler.docker_handler:

查看镜像是：

nvcr.io/nvidia/tao/tao-toolkit-tf    v3.21.08-py3        8672180cbf38        2 months ago        15.7GB

安装cuda11.2：
https://blog.csdn.net/qq_42167046/article/details/113246994

第一次运行需要拉取镜像，后边就不需要拉取镜像了。

tao train ****时会报错找不到路径，这里缺少一步，设置docker和本地路径的关联。：参考：
https://blog.csdn.net/chenjambo/article/details/118399910

创建~/.tlt_mounts.json，把需要关联的路径都写上。

{"Mounts": [{"source": "/home/<username>/tlt-experiments","destination": "/workspace/tlt-experiments"},{"source": "/home/<username>/openalpr","destination": "/workspace/openalpr"}]
}

lpr deepstream部署

参考：https://blog.csdn.net/zong596568821xp/article/details/114143709
下载代码

git clone https://github.com/NVIDIA-AI-IOT/deepstream_lpr_app.git
cd deepstream_lpr_app/

下载相关模型

./download_ch.sh

在官网下载tlt-converter，然后进行模型转化
dizhi:https://docs.nvidia.com/tao/tao-toolkit/text/tensorrt.html#id2

./tlt-converter -k nvidia_tlt -p image_input,1x3x48x96,4x3x48x96,16x3x48x96 models/LP/LPR/ch_lprnet_baseline18_deployable.etlt -t fp16 -e models/LP/LPR/lpr_ch_onnx_b16.engine

编译运行

make
cd deepstream-lpr-app
cp dict_ch.txt dict.txt
sudo ./deepstream-lpr-app 2 2 0 ch_car_test.mp4 output.264

后续1：
重新拉的镜像是：

nvcr.io/nvidia/tao/tao-toolkit-tf   v3.21.11-tf1.15.5-py3   c607b0237bc5   2 weeks ago    16.3GB

训练，测试，推理，导出一切正常。但是在nx模组上转engine时报错：

$ sudo ./tlt-converter -k nvidia_tlt -p image_input,1x3x48x96,4x3x48x96,16x3x48x96 /data/models/deepstream_lpr_app/models/LP/myLPR/lprnet_epoch-300.etlt -t fp16 -e /data/models/deepstream_lpr_app/models/LP/myLPR/lprnet_epoch-300.engine
[WARNING] onnx2trt_utils.cpp:220: Your ONNX model has been generated with INT64 weights, while TensorRT does not natively support INT64. Attempting to cast down to INT32.
terminate called after throwing an instance of 'std::out_of_range'what():  Attribute not found: axes
Aborted

排查原因是镜像更新导致。重新下载了v3.21.08-py3版本。但是只修改镜像不行，运行的时候会自动下载11版本。所以就重新下载了tao 0.1.19版本。

nvidia_tao实现lpr训练相关推荐

NVIDIA中文车牌识别系列-3：使用TLT训练车牌号识别LPR模型
预先准备在开始建立和部署 TLT 中高准确率的车辆训练模型时,需要以下资源: NGC 账号 DeepStream SDK 我们将使用 TLT 进行训练 pip3 install nvidia-pyi ...
NVIDIA TAO 工具包 (TAO Toolkit) 的部署和应用【LDR、LPR】
文章目录 NVIDIA TAO 工具包 (TAO Toolkit) 的部署和使用前期准备安装docker-ce 安装nvidia-container-toolkit 获取NGC帐户和API密钥 T ...
车牌识别lpr tenssorrt推理（二）
一.pth导出onnx # import torch # import torchvision # # dummy_input = torch.randn(1, 3, 94, 24, device=' ...
【树莓派开发】02-基于OpenCV的车牌识别处理(LPR)
[说明]:疫情期间比较闲学习了python.LPR这个东西,基于OpenCV已经做过很多遍了,通过这个小项目利用树莓派来熟悉Python编程,而且通过实际操作可以掌握一些具体的细节与技巧,这里我将整个 ...
自己动手实现20G中文预训练语言模型示例
起初,我和大部分人一样,使用的是像Google这样的大公司提供的Pre-training Language Model.用起来也确实方便,随便接个下游任务,都比自己使用Embedding lookup ...
显卡不够时,如何训练大型网络
https://mp.weixin.qq.com/s?__biz=MzIwNzc2NTk0NQ%3D%3D&chksm=970c2143a07ba855562ca86bfa19b78a26fe ...
ELECTRA 超过bert预训练NLP模型
论文:ELECTRA: Pre-training Text Encoders As Discriminators Rather Then Generators 本文目前在ICLR 2020盲审中,前几 ...
python实现glove,gensim.word2vec模型训练实例
20210331 https://blog.csdn.net/sinat_26917383/article/details/83029140 glove实例 https://dumps.wikimed ...
分布式训练使用手册-paddle 数据并行
分布式训练使用手册¶ 分布式训练基本思想¶ 分布式深度学习训练通常分为两种并行化方法:数据并行,模型并行,参考下图: 在模型并行方式下,模型的层和参数将被分布在多个节点上,模型在一个mini-batc ...

nvidia_tao实现lpr训练

在虚拟环境中安装依赖库

准备lpr数据集

训练

lpr deepstream部署

nvidia_tao实现lpr训练相关推荐

最新文章

热门文章