[Jetson Tx2] Jetson-inference(Hello AI World)--编译googlenet和detection出错

清疚 2021-12-10 01:39 354阅读 0赞

最近入手了Nvidia的Jetson Nano Developer Kit，在学习Jetson-inference项目时，遇到了不少问题，在这里整理一下作为记录。

项目地址：[https://github.com/dusty-nv/jetson-inference][https_github.com_dusty-nv_jetson-inference]

## 1. 从源码构建项目 ##

获取源码和构建项目需要用到Git和CMake，官方提供的系统镜像已经预置了Git，CMake需要手动安装。

安装之前需要先更新一下，否则可能会安装不上。

$ sudo apt update
    $ sudo apt upgrade
    $ sudo apt-get install cmake
     
    安装jetson-inference
     
    $ git clone https://github.com/dusty-nv/jetson-inference
    $ cd jetson-inference
    $ git submodule update --init

配置并编译

$ mkdir build
    $ cd build
    $ cmake ../

配置过程中，可能会报网络连接失败之类的错误，暂不理会，等待cmake完成后既可以编译和安装了。

$ make
    $ sudo make install

编译完成后会生成如下目录结构

|-build 
        \aarch64 
           \bin        二进制文件（示例程序和图像就在此路径下）
           \include    头文件
           \lib        库文件

## 2. 使用ImageNet对图像进行分类 ##

首先进入bin目录下，运行控制台程序 imagenet-console

$ cd jetson-inference/build/aarch64/bin
    $ ./imagenet-console orange_0.jpg output_0.jpg

首次运行应该会报一个段错误，具体内容如下：

\[TRT\] attempting to open engine cache file networks/bvlc\_googlenet.caffemodel.2.1.GPU.FP16.engine  
\[TRT\] cache file not found, profiling network model on device GPU  
\[TRT\] device GPU, loading networks/googlenet.prototxt networks/bvlc\_googlenet.caffemodel  
\[TRT\] failed to retrieve tensor for Output “prob”  
\[TRT\] device GPU, configuring CUDA engine  
\[TRT\] device GPU, building FP16: ON  
\[TRT\] device GPU, building INT8: OFF  
\[TRT\] device GPU, building CUDA engine (this may take a few minutes the first time a network is loaded)  
Segmentation fault

这个错误在ISSUES中有解答https://github.com/dusty-nv/jetson-inference/issues/308

错误原因是bvlc\_googlenet.caffemodel 或googlenet.prototxt可能已损坏，需要手动下载替换。

$ cd jetson-inference/data/networks
    $ wget https://raw.githubusercontent.com/BVLC/caffe/master/models/bvlc_googlenet/deploy.prototxt -O googlenet.prototxt
    $ wget http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel -O bvlc_googlenet.caffemodel

然后重新配置并编译项目，这里官方给出的方案是删除build文件夹并重新配置编译。

经过测试这种方案并不能解决问题，估计是CMake时又下载了之前损坏的模型文件，把我们的修改给重置了。

所以，我们完成替换后直接进入build文件夹下重新配置编译。

$ cd jetson-inference/build
    $ cmake ../
    $ make

然后再运行项目

$ cd jetson-inference/build/aarch64/bin
    $ ./imagenet-console orange_0.jpg output_0.jpg

第一次运行时加载模型时间较长，耐心等待一会儿，程序运行完成后，使用如下命令，打开生成的图像文件。

$ display output_0.jpg

为了测试方便，编写一个脚本文件用于运行程序并显示图像

$ vi run.sh

内容如下：

#！/bin/sh
     
    ./imagenet-console $1 output_$1
     
    display output_$1

添加可执行权限，并运行脚本

$ chmod a+x ./run.sh
    $ ./run.sh orange_0.jpg

脚本内容比较简单，后续在修改脚本，添加对其他几个例程的支持。

## 3. 运行实时摄像头识别演示 ##

我使用的是CSI接口的树莓派V2摄像头，官方文档中提到CSI接口仅支持IMX219方案的摄像头，如果是几十块钱的CSI摄像头，就不要白费功夫了。而USB摄像头基本都是可用的。

加载不同模型来测试摄像头识别程序

$ ./imagenet-camera googlenet          
    $ ./imagenet-camera alexnet

如果使用USB摄像头，需要修改imagenet-camera.cpp中的宏定义DEFAULT\_CAMERA，然后重新编译。

## 4. 使用DetectNet定位对象坐标 ##

这个例程注重第二个深度学习功能-检测对象，找到图像中的对象所在的位置，即提取边框。

从命令行中检测图像：

$ ./detectnet-console dog_1.jpg output_1.jpg coco-dog

运行报错如下：

\[TRT\] CaffeParser: Could not open file  
\[TRT\] CaffeParser: Could not parse model file  
\[TRT\] device GPU, failed to parse caffe network  
device GPU, failed to load  
detectNet – failed to initialize.  
detectnet-console: failed to initialize detectNet  
根据消息内容可以确定，多半又是模型文件的问题，在Issues中也找到了类似的问题。

官方给出的解决方案是手动下载模型文件，并导入到data/networks目录下。

由于官方给出的是谷歌云盘的地址，一共1.3G左右，我把下载好的文件打包上传到百度云了，有需要的可以自行下载。

网盘链接：[https://pan.baidu.com/s/1oBcCdGR-8s3wZX9fU-0iDg][https_pan.baidu.com_s_1oBcCdGR-8s3wZX9fU-0iDg]  
提取码：utyh

下载完成后，把networks下的所有压缩包全部解压后，导入到jetson-inference/data/networks目录下。

重新运行实例程序，应该可以成功执行了。

[https_github.com_dusty-nv_jetson-inference]: https://github.com/dusty-nv/jetson-inference
[https_pan.baidu.com_s_1oBcCdGR-8s3wZX9fU-0iDg]: https://pan.baidu.com/s/1oBcCdGR-8s3wZX9fU-0iDg