about云开发

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 313|回复: 0

[其它] 人工智能目标检测 宝岛台湾程序员的操作日记

[复制链接]

1

主题

0

听众

0

收听

新手上路

Rank: 1

积分
19
发表于 2019-3-13 11:37:41 | 显示全部楼层 |阅读模式
本文介绍以Gyrfalcon Technology公司Lightspeeur 2801S芯片为核心的USB神经网络计算卡上进行目标检测(Object Detection)推论(Inference)。其中模型的建立、训练与转换部份需要在有Nvidia的GPU的电脑上进行,所使用框架为Caffe,算法为SSD(Single Shot MultiBox Detector)。本文是参照若派提供的SSD模型工具包(MDK)文件实作后所做的整理,电脑使用的操作系统为Ubuntu 16.04.5 LTS(Xenial Xerus)64-bit PC(AMD64)desktop,相关档案的取得请联若派。
首先将SSD算法的相关档案拷贝到家目录:
1.png
接著進行模型開發工具解壓縮:
tar zxvf GTI_SSD_model_development_kit_v1-0.tar.gz
安裝OpenCV 3:
cd ~/GTI_SSD_conversion_tool_v1-0/lightsprModelConvert/
sh install_opencv.sh
cd ~
參照廠商文件,進行 1.環境安裝 :
# 1)基礎依賴安裝:

sudo apt-get update && sudo apt-get upgrade && \
         sudo apt-get install -y --no-install-recommends \
         build-essential \
         cmake \
         git \
         wget \
         libatlas-base-dev \
         libboost-all-dev \
         libgflags-dev \
         libgoogle-glog-dev \
         libhdf5-serial-dev \
         libleveldb-dev \
         liblmdb-dev \
         libprotobuf-dev \
         libsnappy-dev \
         protobuf-compiler \
         python-pip \
         python-setuptools \
         python-scipy \
         libopenblas-dev

# 2) python2依賴安裝

cd GTI_SSD_model_development_kit_v1-0/FilesAndInstructions/caffe-ssd/

cd python

sudo pip install --upgrade pip && \
for req in $(cat requirements.txt) pydot; do sudo pip install $req; done

# 3) CUDA(英偉達顯卡)

cd /tmp

sudo apt-get update && sudo apt-get install wget -y --no-install-recommends && \
     wget "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb" && \
     sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb && \
     sudo apt-get update && \
     sudo apt-get install -y cuda-8-0

wget https://developer.download.nvidi ... -linux-x64-v5.1.tgz && \
sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local && \
rm cudnn-8.0-linux-x64-v5.1.tgz && sudo ldconfig && \
cd -

回到Caffe原始碼目錄:

cd ~/GTI_SSD_model_development_kit_v1-0/FilesAndInstructions/caffe-ssd/
編譯Caffe前請修改Makefile.config如下所示:
PYTHON_INCLUDE := /usr/include/python2.7 \
         /usr/local/lib/python2.7/dist-packages/numpy/core/include
再進行Caffe編譯:
# 4)編譯caffe-ssd

make clean

make all

make pycaffe

接著進行 2.模型訓練
# 1)數據準備

cd ~

tar zxvf GTI_SSD_DataSets_v1-0.tar.gz

# 進入"多目標檢測"專案目錄:

cd ~/GTI_SSD_model_development_kit_v1-0/FilesAndInstructions/ssd_typ_mdk/
訓練前請修改run_ssd_training.sh如下所示:
$TOOLS/caffe train \
--solver=$slovertxttyp \
--weights=$ssd \
--gpu 0 2>&1 | tee $LOG $@
完成後執行run_ssd_training.sh進行訓練(執行時間很久):
source run_ssd_training.sh

訓練完成後,進行 3.模型轉換 :
cd ~/GTI_SSD_conversion_tool_v1-0/lightsprModelConvert/

source setting_caffe.sh
將生成的模型放入inputs/SSD_typ並命名為SSD_typ_quant.caffemodel後進行轉換:
make SSD_typ_vgg

make SSD_typ_ssd

轉換完成後,進行 4.模型使用
cd ~

tar zxvf Gti2801_SSD_sample_v1-0.tar.gz

cp ~/GTI_SSD_conversion_tool_v1-0/lightsprModelConvert/cnn_weights_SSD_typ/vgg.dat ~/Gti2801_SSD_sample_v1-0/Data/Models/gti2801/multi-object

cp ~/GTI_SSD_conversion_tool_v1-0/lightsprModelConvert/cnn_weights_SSD_typ/ssd.bin ~/Gti2801_SSD_sample_v1-0/Data/Models/gti2801/multi-object
修改Gti2801_SSD_sample_v1-0/Data/Models/gti2801/userinput.txt,如下所示:
{
   "Gti device type": 0,                    # 0: GTI 2801, 1: GTI 2803
   "model": [
     {
         "Network name": "Gnet1",
         "Image output format": 0,          # 0: Conv out pooling, 1: Sub layers, 2: Conv out, 3: Major layers
         "Dump input image": 0,   
         "USB write block numbers": 2048,   # eMMC USB dongle block numbers for one write or read command, 2048 for best performance, 128 for USB 2.0 compatibility
         "USB read delay": 15000,           # Delay time (us) between eMMC USB dongle write and read commands, 4000 for gNet3, 12000 for gNet1
         "USB device node": "/dev/sg1",     # The first available eMMC device node, find the node name from folder /dev/ after dongle is plugged in  
     }
   ]
}
完成後編譯與執行展示程式:
cd ~/Gti2801_SSD_sample_v1-0/Sample/Linux/

cp Makefile_x86 Makefile

make

sudo chmod 777 /dev/sg1

./ssdSample -dev_id /dev/sg1
執行結果如下所示:
2.png
至此,就完成在USB神经网络计算卡上进行目标检测SSD算法推论之验证。


您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /3 下一条

QQ|小黑屋|about云开发-学问论坛|社区 ( 京ICP备12023829号

GMT+8, 2019-3-26 16:29 , Processed in 0.387101 second(s), 33 queries , Gzip On.

Powered by Discuz! X3.2 Licensed

快速回复 返回顶部 返回列表