更换文档检测模型
This commit is contained in:
210
paddle_detection/deploy/cpp/docs/Jetson_build.md
Normal file
210
paddle_detection/deploy/cpp/docs/Jetson_build.md
Normal file
@@ -0,0 +1,210 @@
|
||||
# Jetson平台编译指南
|
||||
|
||||
## 说明
|
||||
`NVIDIA Jetson`设备是具有`NVIDIA GPU`的嵌入式设备，可以将目标检测算法部署到该设备上。本文档是在`Jetson`硬件上部署`PaddleDetection`模型的教程。
|
||||
|
||||
本文档以`Jetson TX2`硬件、`JetPack 4.3`版本为例进行说明。
|
||||
|
||||
`Jetson`平台的开发指南请参考[NVIDIA Jetson Linux Developer Guide](https://docs.nvidia.com/jetson/l4t/index.html).
|
||||
|
||||
## Jetson环境搭建
|
||||
`Jetson`系统软件安装，请参考[NVIDIA Jetson Linux Developer Guide](https://docs.nvidia.com/jetson/l4t/index.html).
|
||||
|
||||
* (1) 查看硬件系统的l4t的版本号
|
||||
```
|
||||
cat /etc/nv_tegra_release
|
||||
```
|
||||
* (2) 根据硬件，选择硬件可安装的`JetPack`版本，硬件和`JetPack`版本对应关系请参考[jetpack-archive](https://developer.nvidia.com/embedded/jetpack-archive).
|
||||
|
||||
* (3) 下载`JetPack`，请参考[NVIDIA Jetson Linux Developer Guide](https://docs.nvidia.com/jetson/l4t/index.html) 中的`Preparing a Jetson Developer Kit for Use`章节内容进行刷写系统镜像。
|
||||
|
||||
**注意**: 请在[jetpack-archive](https://developer.nvidia.com/embedded/jetpack-archive) 根据硬件选择适配的`JetPack`版本进行刷机。
|
||||
|
||||
## 下载或编译`Paddle`预测库
|
||||
本文档使用`Paddle`在`JetPack4.3`上预先编译好的预测库，请根据硬件在[安装与编译 Linux 预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/05_inference_deployment/inference/build_and_install_lib_cn.html) 中选择对应版本的`Paddle`预测库。
|
||||
|
||||
这里选择[nv_jetson_cuda10_cudnn7.6_trt6(jetpack4.3)](https://paddle-inference-lib.bj.bcebos.com/2.0.0-nv-jetson-jetpack4.3-all/paddle_inference.tgz), `Paddle`版本`2.0.0-rc0`,`CUDA`版本`10.0`,`CUDNN`版本`7.6`，`TensorRT`版本`6`。
|
||||
|
||||
若需要自己在`Jetson`平台上自定义编译`Paddle`库，请参考文档[安装与编译 Linux 预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html) 的`NVIDIA Jetson嵌入式硬件预测库源码编译`部分内容。
|
||||
|
||||
### Step1: 下载代码
|
||||
|
||||
`git clone https://github.com/PaddlePaddle/PaddleDetection.git`
|
||||
|
||||
**说明**：其中`C++`预测代码在`/root/projects/PaddleDetection/deploy/cpp` 目录，该目录不依赖任何`PaddleDetection`下其他目录。
|
||||
|
||||
|
||||
### Step2: 下载PaddlePaddle C++ 预测库 paddle_inference
|
||||
|
||||
解压下载的[nv_jetson_cuda10_cudnn7.6_trt6(jetpack4.3)](https://paddle-inference-lib.bj.bcebos.com/2.0.1-nv-jetson-jetpack4.3-all/paddle_inference.tgz) 。
|
||||
|
||||
下载并解压后`/root/projects/paddle_inference`目录包含内容为：
|
||||
```
|
||||
paddle_inference
|
||||
├── paddle # paddle核心库和头文件
|
||||
|
|
||||
├── third_party # 第三方依赖库和头文件
|
||||
|
|
||||
└── version.txt # 版本和编译信息
|
||||
```
|
||||
|
||||
**注意:** 预编译库`nv-jetson-cuda10-cudnn7.6-trt6`使用的`GCC`版本是`7.5.0`，其他都是使用`GCC 4.8.5`编译的。使用高版本的GCC可能存在`ABI`兼容性问题，建议降级或[自行编译预测库](https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/build_and_install_lib_cn.html)。
|
||||
|
||||
|
||||
### Step4: 编译
|
||||
|
||||
编译`cmake`的命令在`scripts/build.sh`中，请根据实际情况修改主要参数，其主要内容说明如下：
|
||||
|
||||
注意，`TX2`平台的`CUDA`、`CUDNN`需要通过`JetPack`安装。
|
||||
|
||||
```
|
||||
# 是否使用GPU(即是否使用 CUDA)
|
||||
WITH_GPU=ON
|
||||
|
||||
# 是否使用MKL or openblas，TX2需要设置为OFF
|
||||
WITH_MKL=OFF
|
||||
|
||||
# 是否集成 TensorRT(仅WITH_GPU=ON 有效)
|
||||
WITH_TENSORRT=ON
|
||||
|
||||
# TensorRT 的include路径
|
||||
TENSORRT_INC_DIR=/usr/include/aarch64-linux-gnu
|
||||
|
||||
# TensorRT 的lib路径
|
||||
TENSORRT_LIB_DIR=/usr/lib/aarch64-linux-gnu
|
||||
|
||||
# Paddle 预测库路径
|
||||
PADDLE_DIR=/path/to/paddle_inference/
|
||||
|
||||
# Paddle 预测库名称
|
||||
PADDLE_LIB_NAME=paddle_inference
|
||||
|
||||
# Paddle 的预测库是否使用静态库来编译
|
||||
# 使用TensorRT时，Paddle的预测库通常为动态库
|
||||
WITH_STATIC_LIB=OFF
|
||||
|
||||
# CUDA 的 lib 路径
|
||||
CUDA_LIB=/usr/local/cuda-10.0/lib64
|
||||
|
||||
# CUDNN 的 lib 路径
|
||||
CUDNN_LIB=/usr/lib/aarch64-linux-gnu
|
||||
|
||||
# 是否开启关键点模型预测功能
|
||||
WITH_KEYPOINT=ON
|
||||
|
||||
# OPENCV_DIR 的路径
|
||||
# linux平台请下载：https://bj.bcebos.com/paddleseg/deploy/opencv3.4.6gcc4.8ffmpeg.tar.gz2，并解压到deps文件夹下
|
||||
# TX2平台请下载：https://paddlemodels.bj.bcebos.com/TX2_JetPack4.3_opencv_3.4.10_gcc7.5.0.zip，并解压到deps文件夹下
|
||||
OPENCV_DIR=/path/to/opencv
|
||||
|
||||
# 请检查以上各个路径是否正确
|
||||
|
||||
# 以下无需改动
|
||||
cmake .. \
|
||||
-DWITH_GPU=${WITH_GPU} \
|
||||
-DWITH_MKL=OFF \
|
||||
-DWITH_TENSORRT=${WITH_TENSORRT} \
|
||||
-DTENSORRT_DIR=${TENSORRT_DIR} \
|
||||
-DPADDLE_DIR=${PADDLE_DIR} \
|
||||
-DWITH_STATIC_LIB=${WITH_STATIC_LIB} \
|
||||
-DCUDA_LIB=${CUDA_LIB} \
|
||||
-DCUDNN_LIB=${CUDNN_LIB} \
|
||||
-DOPENCV_DIR=${OPENCV_DIR} \
|
||||
-DPADDLE_LIB_NAME={PADDLE_LIB_NAME} \
|
||||
-DWITH_KEYPOINT=${WITH_KEYPOINT}
|
||||
make
|
||||
```
|
||||
|
||||
例如设置如下：
|
||||
```
|
||||
# 是否使用GPU(即是否使用 CUDA)
|
||||
WITH_GPU=ON
|
||||
|
||||
# 是否使用MKL or openblas
|
||||
WITH_MKL=OFF
|
||||
|
||||
# 是否集成 TensorRT(仅WITH_GPU=ON 有效)
|
||||
WITH_TENSORRT=OFF
|
||||
|
||||
# TensorRT 的include路径
|
||||
TENSORRT_INC_DIR=/usr/include/aarch64-linux-gnu
|
||||
|
||||
# TensorRT 的lib路径
|
||||
TENSORRT_LIB_DIR=/usr/lib/aarch64-linux-gnu
|
||||
|
||||
# Paddle 预测库路径
|
||||
PADDLE_DIR=/home/nvidia/PaddleDetection_infer/paddle_inference/
|
||||
|
||||
# Paddle 预测库名称
|
||||
PADDLE_LIB_NAME=paddle_inference
|
||||
|
||||
# Paddle 的预测库是否使用静态库来编译
|
||||
# 使用TensorRT时，Paddle的预测库通常为动态库
|
||||
WITH_STATIC_LIB=OFF
|
||||
|
||||
# CUDA 的 lib 路径
|
||||
CUDA_LIB=/usr/local/cuda-10.0/lib64
|
||||
|
||||
# CUDNN 的 lib 路径
|
||||
CUDNN_LIB=/usr/lib/aarch64-linux-gnu/
|
||||
|
||||
# 是否开启关键点模型预测功能
|
||||
WITH_KEYPOINT=ON
|
||||
```
|
||||
|
||||
修改脚本设置好主要参数后，执行`build`脚本：
|
||||
```shell
|
||||
sh ./scripts/build.sh
|
||||
```
|
||||
|
||||
### Step5: 预测及可视化
|
||||
编译成功后，预测入口程序为`build/main`其主要命令参数说明如下：
|
||||
| 参数 | 说明 |
|
||||
| ---- | ---- |
|
||||
| --model_dir | 导出的检测预测模型所在路径 |
|
||||
| --model_dir_keypoint | Option | 导出的关键点预测模型所在路径 |
|
||||
| --image_file | 要预测的图片文件路径 |
|
||||
| --image_dir | 要预测的图片文件夹路径 |
|
||||
| --video_file | 要预测的视频文件路径 |
|
||||
| --camera_id | Option | 用来预测的摄像头ID，默认为-1（表示不使用摄像头预测）|
|
||||
| --device | 运行时的设备，可选择`CPU/GPU/XPU`，默认为`CPU`|
|
||||
| --gpu_id | 指定进行推理的GPU device id(默认值为0)|
|
||||
| --run_mode | 使用GPU时，默认为paddle, 可选（paddle/trt_fp32/trt_fp16/trt_int8）|
|
||||
| --batch_size | 检测模型预测时的batch size，在指定`image_dir`时有效 |
|
||||
| --batch_size_keypoint | 关键点模型预测时的batch size，默认为8 |
|
||||
| --run_benchmark | 是否重复预测来进行benchmark测速 ｜
|
||||
| --output_dir | 输出图片所在的文件夹, 默认为output ｜
|
||||
| --use_mkldnn | CPU预测中是否开启MKLDNN加速 |
|
||||
| --cpu_threads | 设置cpu线程数，默认为1 |
|
||||
| --use_dark | 关键点模型输出预测是否使用DarkPose后处理，默认为true |
|
||||
|
||||
**注意**:
|
||||
- 优先级顺序：`camera_id` > `video_file` > `image_dir` > `image_file`。
|
||||
- --run_benchmark如果设置为True，则需要安装依赖`pip install pynvml psutil GPUtil`。
|
||||
|
||||
|
||||
`样例一`：
|
||||
```shell
|
||||
#不使用`GPU`测试图片 `/root/projects/images/test.jpeg`
|
||||
./main --model_dir=/root/projects/models/yolov3_darknet --image_file=/root/projects/images/test.jpeg
|
||||
```
|
||||
|
||||
图片文件`可视化预测结果`会保存在当前目录下`output.jpg`文件中。
|
||||
|
||||
|
||||
`样例二`:
|
||||
```shell
|
||||
#使用 `GPU`预测视频`/root/projects/videos/test.mp4`
|
||||
./main --model_dir=/root/projects/models/yolov3_darknet --video_path=/root/projects/images/test.mp4 --device=GPU
|
||||
```
|
||||
视频文件目前支持`.mp4`格式的预测，`可视化预测结果`会保存在当前目录下`output.mp4`文件中。
|
||||
|
||||
`样例三`：
|
||||
```shell
|
||||
#使用关键点模型与检测模型联合预测，使用 `GPU`预测
|
||||
#检测模型检测到的人送入关键点模型进行关键点预测
|
||||
./main --model_dir=/root/projects/models/yolov3_darknet --model_dir_keypoint=/root/projects/models/hrnet_w32_256x192 --image_file=/root/projects/images/test.jpeg --device=GPU
|
||||
```
|
||||
|
||||
## 性能测试
|
||||
benchmark请查看[BENCHMARK_INFER](../../BENCHMARK_INFER.md)
|
||||
Reference in New Issue
Block a user