TK1+yolo安装指南

花了两天的时间打算在tk1上面跑一下yolo，中间遇到了一些问题，探索后记录下来，也让后来人少走一些弯路吧。

TK1是tegra for kelper1 的简称，是nvidia在针对移动端推出的深度学习运行芯片，为soc架构。更多关于TK1的了解欢迎点击这里。

yolo是目前一个非常不错的深度学习模型，依赖的库比较少，只需要装cuda和opencv。关于yolo的介绍感兴趣的童鞋可以看这里。

第一步就是烧录系统，在这个地方我也是遇到了一些麻烦，最开始以为可以使用jetpack烧录系统，后来试了很久才发现不行，原来我所用的电路板和芯片并非是官方所制定的封装和电路板，是购买了芯片之后自己设计外围电路的。我所用的芯片封装为TD580，而nvidia所用的芯片封装为CD580，两者并不相同。所以在我使用jetpack烧录系统时，进入recovery模式后，运行一段时间，烧录系统时，terminal没有任何反应，一直停留在那里，起初以为是我操作问题，后来才试了几遍，发现一直是这种状况，后来就知道了封装不同烧录模式也不一样。后来找到了Liunx for tegra 系统，再重新进行烧录模式就没有任何问题了。

系统装好了，是ubuntu14.04的系统，当然还是L4T的。安装完系统之后，就可以开始考虑安装CUDA啦。

L4T ubuntu14.04系统本身并没有安装CUDA 和opencv，而如果是采用jetpack安装的话，里面本身会安装cuda 和 opencv for tegra。所以我们只能自己一步一步手动的去安装了。经过在网上查看了解到，tk1本身出来的比较早，安装比较新的8.0不是很可靠，所以决定安装cuda6.5.安装教程在这里，照着去做，应该不会有问题，步骤非常详细。

安装完cuda6.5以后，下一步就是安装opencv。在这里也是碰到了一些弯路，安装几个版本，先安装了较新版本的opencv3.1.0，后来安装不成功，就安装了opencv2.4.9，后来也是提示会有故障，最后安装opencv2.4.10，这次终于没有报错了。安装教程在这里，可以运行例程，如果没有问题，那就说明安装ok。

最后安装yolo，安装步骤非常简单，可以在darknet的官网上找到相应的教程接着做就可以了。

最后就是安装完了的运行demo了，发现问题很多，基本上大部分都是和cuda有关系。

主要的报错如下：

/usr/bin/ld: cannot find -lcudart

/usr/bin/ld: cannot find -lcublas

/usr/bin/ld: cannot find -lcurand

/usr/bin/ld: cannot find -lnpps

/usr/bin/ld: cannot find -lnppi

/usr/bin/ld: cannot find -lnppc

这个地方困扰了我两天，中间也是查了一些别人的解决方案，包括在/etc/ld.so.conf.d文件夹中添加相应的文件目录，完了以后sudo ldconfig，还有其他的比如重新链接，最后发现都不能解决问题。

最后在网上发现这哥们的方法，试了一下，发现不报错了，运行成功了。

运行的命令如下：

sudo cp /usr/local/cuda-6.5/lib/libcudart.so /usr/local/lib/libcudart.so && sudo ldconfig

sudo cp /usr/local/cuda-6.5/lib/libcublas.so /usr/local/lib/libcublas.so && sudo ldconfig

sudo cp /usr/local/cuda-6.5/lib/libcurand.so /usr/local/lib/libcurand.so && sudo ldconfig

sudo cp /usr/local/cuda-6.5/lib/libnppi.so /usr/local/lib/libcudart.so && sudo ldconfig

sudo cp /usr/local/cuda-6.5/lib/libnpps.so /usr/local/lib/libcublas.so && sudo ldconfig

sudo cp /usr/local/cuda-6.5/lib/libnppc.so /usr/local/lib/libcurand.so && sudo ldconfig

经过上面以后，发现程序就能够运行成功啦。可是现在又出现另外一个问题，那就是跑yolo程序经常会跑不通，经过运行过程中会出现killed命令。打开nvidia本身的资源运行命令./tegrastats，查看才发现原来我的内存为2G，运行yolo时，内存接近全部用掉，所以没有多余的内存，因此会出现经常killed的情况出现，如果是4g的内存的话，情况会好很多。运行tiny yolo，占的内存是少了很多，可是准确率也是急速下降，识别的一点也不准。TX1上面之前也跑过，yolo2运行没有任何问题，速度会比tk1要快，且也不会出现内存全部被占用的情况出现。

TK1+yolo安装指南相关推荐

YOLO:实时目标检测
北京 | 深度学习与人工智能研修 12月23-24日再设经典课程重温深度学习阅读全文> 一瞥(You Only Look Once, YOLO),是检测Pascal VOC(http://h ...
ROS+Bebop2无人机+YOLO算法实现无人机视角的实时目标检测
前言: 很久之前,用TK1玩过一段时间的ROS,再加上各种硬件(Arduino.激光雷达.编码电机等),模仿着做过Turtlebot小车,实现了部分Turtlebot部分的功能,最后因为雷达被我玩烧了 ...
Yolo v4, v3 and v2 性能极简图示
Yolo v4, v3 and v2 性能图示 https://github.com/AlexeyAB/darknet 参考链接: https://github.com/AlexeyAB/darkne ...
目标检测中特征融合技术（YOLO v4）（下）
目标检测中特征融合技术(YOLO v4)(下) ASFF:自适应特征融合方式 ASFF来自论文:<Learning Spatial Fusion for Single-Shot Object D ...
目标检测中特征融合技术（YOLO v4）（上）
目标检测中特征融合技术(YOLO v4)(上) 论文链接:https://arxiv.org/abs/1612.03144 Feature Pyramid Networks for Object De ...
YOLO、SSD、FPN、Mask-RCNN检测模型对比
YOLO.SSD.FPN.Mask-RCNN检测模型对比一．YOLO(you only look once) YOLO 属于回归系列的目标检测方法,与滑窗和后续区域划分的检测方法不同,他把检测任务当 ...
YOLO v1到YOLO v4（下）
YOLO v1到YOLO v4(下) Faster YOLO使用的是GoogleLeNet,比VGG-16快,YOLO完成一次前向过程只用8.52 billion 运算,而VGG-16要30.69bi ...
YOLO v1到YOLO v4（上）
YOLO v1到YOLO v4(上) 一. YOLO v1 这是继RCNN,fast-RCNN和faster-RCNN之后,rbg(RossGirshick)针对DL目标检测速度问题提出的另外一种框架 ...
Yolo：实时目标检测实战（下）
Yolo:实时目标检测实战(下) YOLO:Real-Time Object Detection After a few minutes, this script will generate all ...
Yolo：实时目标检测实战（上）
Yolo:实时目标检测实战(上) YOLO:Real-Time Object Detection 你只看一次(YOLO)是一个最先进的实时物体检测系统.在帕斯卡泰坦X上,它以每秒30帧的速度处理图像, ...

TK1+yolo安装指南

TK1+yolo安装指南相关推荐

最新文章

热门文章