实验室最近接了一个横向,在nvidia Jetson tx2上跑一个实施的视频segmentation任务,以前的学长把板子上的系统搞坏掉了,刚好我也还要重新部署tensorflow,重新刷个机配一下环境,写两篇记录一下配置过程吧
#第一步 下载 Jetpack
英伟达官网下载,我使用的是3.1版本 JetPack-L4T-3.1-linux-x64.run
第二步 安装Ubuntu
可以选择安装在虚拟机上或者直接硬盘安装Ubuntu系统
我的主机上面已经有Ubuntu了,但是为了避免对于机器上的其他文件、配置造成影响,最终选择了使用 Win10 + VMware + Ubuntu 16.04(x64)
的组合
注意,若使用VMware,需要把网络配置选择为桥接,见下面两张图
此外,如果你和我一样,主机的网络是使用手动分配IP地址的,那么在Ubuntu虚拟机下你需要把网络进行和主机一样的地址、网关、子网掩码、DNS服务器设置,否则虚拟机下无法正常上网,下面步骤中的安装包无法下载。
#第二步 安装 Jetpack
首先,进入你的下载目录(安装文件名为 JetPack-L4T-3.1-linux-x64.run
)
chmod +x ./JetPack-L4T-3.1-linux-x64.run
sudo ./JetPack-L4T-3.1-linux-x64.run
提示如下错误:
解决方法: 不使用root权限直接执行安装脚本
./JetPack-L4T-3.1-linux-x64.run
据说其中cuda, opencv这些都是必要的,不管那么多,全部选中安装了→_→
接下来弹出这个图片
点击OK即可
等待后提示 Host 安装完成
接下来!!!主机和板子一定要连在同一个路由器下,否则会停留在下面的步骤
由于我们实验室的网络还需要手动设置IP地址,所以不能直接连在两个网线口,连入同一个wifi也测试无效。最终借了同学的路由器,设置好动态分配DHPC,解决问题。
正确的操作下,在进行到上图后稍等一会儿会自动找到IP并进入下图步骤
刷机完成之后显示如下
这个页面选择不删除下载的文件,这样之后如果还要刷机可以避免前期的长时间下载等待时间
重启板子后跑一下自带的Detection demo试试
运行如下命令,片刻后可看到下图结果,证明刷机完成
cd tegra_multimedia_api/samples/backend
./backend 1 ../../data/Video/sample_outdoor_car_1080p_10fps.h264 H264 --trt-deployfile ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.prototxt --trt-modelfile ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.caffemodel --trt-forcefp32 0 --trt-proc-interval 1 -fps 10
第四步 (附加)安装Tensorflow
实验室和个人惯用的平台是tensorflow,所以接下来这部分说一下自己在tx2板子上配置tensorflow的过程。还好,老黄的这产品不是很小众,网上教程也不少,下面就给出我在查阅之后的安装流程。
由于tx2这块板子系统不是X86的,无法直接通过Anaconda/Pip进行安装,最好使用源码安装,这里提供github上的一份脚本,照着里面readme做就OK了,我安装的是Python3,对应tensorflow1.3的版本。
YOUNG! SIMPLE! NAIVE!
现实是残酷的,脚本比较老,很多直接get到的环境版本都不兼容了,踩了一堆坑,build一次时间还贼长,花了一天时间算是配好了,另开一章来写吧,这次就到这里,下一篇说说tensorflow环境的配置。