aprendizaje profundo
Directorio de artículos
prefacio
Si desea que YOLO reconozca los objetivos que especificamos, primero debe preparar un conjunto de conjuntos de datos y luego entrenar a YOLO para "enseñar" a YOLO a reconocer estos objetivos. El resultado del entrenamiento es generar un archivo de peso .weight Cuando se reconozca, cargue este archivo de peso para reconocer el objetivo que especificamos.
1. Construcción del entorno
Debido a la potencia informática limitada de jetson nano, no es adecuado para el entrenamiento. Así que necesitamos construir otro entorno de entrenamiento y compilar darknet.
El entorno de capacitación se divide en dos tipos en términos de hardware:
①Equipo de escritorio o portátil, plataforma x64, debe tener tarjeta gráfica NVIDIA. En este caso, debe instalar el sistema Ubuntu usted mismo y luego instalar el controlador de la tarjeta gráfica NVIDIA, CUDA y cuDNN (consulte los dos artículos anteriores).Después
de configurar el entorno anterior, descargue darknet y compílelo.
②Los dispositivos integrados de NVIDIA, incluidos Jetson AGX Xavier, Jetson Xavier NX, etc., CUDA se configuró en la imagen oficial proporcionada por NVIDIA, y no necesitamos configurar el entorno nosotros mismos.
Después de configurar CUDA, ejecute nvcc -V para verificar
la información de la versión: los dispositivos integrados de NVIDIA deben configurar las variables de entorno para ejecutar el comando nvcc:
Abra el archivo ~/.bashrc y edite:
nano ~/.bashrc
Agregue la siguiente declaración al final del archivo:
export LD_LIBRARY_PATH=/usr/local/cuda/lib
export PATH=$PATH:/usr/local/cuda/bin
Después de presionar crtl+x para guardar y salir, la fuente tiene efecto:
source ~/.bashrc
Después de completar los pasos anteriores, el dispositivo integrado de NVIDIA puede ejecutar el comando nvcc normalmente; de lo contrario, la compilación posterior informará un error.
2. Compilar red oscura
Descargue el código: git clone https://github.com/AlexeyAB/darknet
Después de descomprimir el paquete comprimido, cd al directorio darknet en la terminal e ingrese make para compilarlo.
Nota: Antes de hacer, busque el archivo MAKE, podemos configurar algunas funciones según nuestras propias necesidades, entre las que son necesarias GPU y CUDNN.
Parámetros de compilación de makefile:
después de la instalación, puede usar el archivo oficial .weight para realizar pruebas.
wget https://pjreddie.com/media/files/yolov3-tiny.weights //下载权重文件
./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg
La probabilidad de que vea algunos objetos, no adjuntaré capturas de pantalla aquí.
Además, si necesita mostrar imágenes o probar secuencias de video en tiempo real durante la prueba, debe instalar OpenCV y cambiar la opción OPENCV a OPENCV=1 en el archivo MAKE anterior.
Resumir
Finalmente, el entorno está listo y el siguiente paso es cómo etiquetar el conjunto de datos.