在Jetson TX2上安装caffe和PyCaffe

参考文章:How to Install Caffe and PyCaffe on Jetson TX2

与参考文章大部分都是相似的,如果不习惯看英文,可以看看我下面的描述

caffe是Nvidia TensorRT最支持的深度学习框架,因此在Jetson TX2上安装caffe很有必要。顺便说一句,下面的安装是支持python3的。

先决条件

  在Jetson TX2上完成JetPack-3.1的安装。

  构建并安装OpenCV-3.4.0,并确保其在python3下正常工作。参考:在Jetson TX2上安装OpenCV(3.4.0)

安装步骤

安装依赖项

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev                        libhdf5-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install libatlas-base-dev libopenblas-dev

接下来,需要从github上获取caffe的源代码。配置Jetson TX2,实际上从Makefile.config.example中修改了以下内容

  设置 USE_CUDNN := 1

  设置 OPENCV_VERSION := 3

  在 CUDA_ARCH 中添加 compute_62(for TX2) 和 compute_53(for TX1)

  用 python3.5 代替python2.7

  在 PYTHON_LIBRARIES 中用 boost_python-py35 代替 boost_python3

  在 PYTHON_INCLUDE 中用 /usr/local/lib/python3.5/dist-packages/numpy/core/include 代替

/usr/lib/python3.5/dist-packages/numpy/core/include

  设置 WITH_PYTHON_LAYER := 1

  在 INCLUDE_DIRS 添加 /usr/include/hdf5/serial

  在 LIBRARY_DIRS 添加 /usr/lib/aarch64-linux-gnu /usr/lib/aarch64-linux-gnu/hdf5/serial

结果生成的Makefile.config,可以从这里下载

cd ~
git clone https://github.com/BVLC/caffe
cd caffe
cp Makefile.config.example Makefile.config

将下载好的Makefile.config拷贝到caffe文件夹下。/home/nvidia/caffe 是我的caffe所在目录

cp ~/Download/Makefile.config /home/nvidia/caffe
make -j4 all
make -j4 test
### Test and verify the caffe build
make runtest

剩下的步骤是为了python3准备的。注意,我必须从源代码中安装 leveldb-0.20 才能使其正常工作

为python3手动构建并安装 leveldb-0.20,因为默认版本0.194无法在Jetson TX2上编译

mkdir -p ~/src
cd ~/src
wget https://pypi.python.org/packages/03/98/1521e7274cfbcc678e9640e242a62cbcd18743f9c5761179da165c940eac/leveldb-0.20.tar.gz
tar xzvf leveldb-0.20.tar.gz
cd leveldb-0.20
python3 setup.py build
sudo python3 setup.py install

接下来需要安装 ~/caffe/python/requirements.txt 里面的一些工具包

pkgs=`sed ‘s/[>=<].*$//‘ ~/caffe/python/requirements.txt`
for pkg in $pkgs; do sudo pip3 install $pkg; done
### build pycaffe
cd ~/caffe
make pycaffe

在 ~/.bashrc 中添加下列行

export PYTHONPATH=/home/nvidia/caffe/python

验证安装是否成功

python3
>>> import numpy as np
>>> import caffe

此外,我还对caffe在Jetson TX2上的性能进行了基准测试。使用nvpmodel和~/ Jetson -clock .sh将Jetson TX2设置为最大性能模式。

参考连接

原文地址:https://www.cnblogs.com/gezhuangzhuang/p/11624818.html

时间: 2024-10-01 00:48:02

在Jetson TX2上安装caffe和PyCaffe的相关文章

在Jetson TX2上安装OpenCV(3.4.0)

参考文章:How I built TensorFlow 1.8.0 on Jetson TX2 与参考文章大部分都是相似的,如果不习惯看英文,可以看看我下面的描述 在我们使用python3进行编程时,import cv2不起作用.由于预先安装的opencv是与python2.7绑定的,如果想在python3环境下使用,我们需要重新编译opencv 先决条件 已经在Jetson TX2上安装了JetPack-3.3(或JetPack-3.2.1或JetPack-3.1) 安装步骤 首先清理旧的op

【记录】在MAC上安装caffe

---恢复内容开始--- 最近尝试在MAC(OS X 10.11 El Capitan)上安装Caffe 以及Python接口遇到了一些问题但是官方安装教程上并没有提出这些问题的解决办法搜索了很久(主要在于Python接口上) 终于找到了解决办法 其实Caffe的安装分两步:安装依赖+编译源码 首先是安装依赖: [必要依赖]: 官方推荐用homebrew来安装: brew install -vd snappy leveldb gflags glog szip lmdb # 添加science源来

Jetson TX2上的demo(原创)

Jetson TX2上的demo 一.快速傅里叶-海动图 sample The CUDA samples directory is copied to the home directory on the device by JetPack. The built binaries are in the following directory: /home/ubuntu/NVIDIA_CUDA-<version>_Samples/bin/armv7l/linux/release/gnueabihf

Caffe初学者第二部:Ubuntu16.04上安装caffe(CPU)+Matlab2014a+Opencv3的详细过程 (亲测成功, 20180529更新)

这是caffe初学者系列教程的第二部,旨在帮助更多对深度学习感兴趣的同学们!第一部可以参考以下地址: Caffe初学者第一部:Ubuntu14.04上安装caffe(CPU)+Python的详细过程 (亲测成功, 20180524更新) 好啦,开始我们的教程吧! 前言: 之前的第一部教程发布以后,很受欢迎,看样子我的努力没白费,毕竟写博文花了我好几个小时,感谢同学们的支持啦^_^ 亲测教程: 本教程需要准备的文件有:Ubuntu16.04, Opencv3(必要), Matlab2014a. (

在Ubuntu 14.04 上安装Caffe碰到的问题

具体的安装过程可以参考 官网的Installation,以及网友分享的一些安装教程,教程一,教程二,教程三. 我在这里主要记录下我在安装的过程中碰到的一些问题,以及解决方法(部分网上没有提到),而不是整个安装的流程.由于自己是linux小白,安装caffe花了好几天时间,期间好几次想放弃,还好我坚持下来了,写这篇博客只是希望网友如果也遇到这样的问题,可以从我这里找到答案. 一.试验环境 Ubuntu14.04 CUDA6.5 GTX 760 二.CUDA安装 CUDA安装可以参考官网的NVIDI

Caffe初学者第一部:Ubuntu14.04上安装caffe(CPU)+Python的详细过程 (亲测成功, 20180524更新)

前言: 最近在学习深度学习,最先要解决的当然是开源框架的环境安装了.之前一直在学习谷歌的Tensorflow开源框架,最近实验中需要跟别人的算法比较,下载的别人的代码很多都是Caffe的,所以想着搭建好Caffe环境跑别人的代码.这中间经历过很多弯路,开始是入了Ubuntu16.04的坑,很多教程都说GCC版本不匹配,需要降级,我也尝试过发现很多坑:另外,就是安装matlab版本的Caffe以及安装GPU版本的Caffe,都经历了很多的波折,这前后摸索大概花了半个月左右.最后发现Ubuntu14

在windows系统上安装caffe

确认电脑上有VS2013 确认显卡GPU Compute Capability>=3.0 安装CUDA7.5 下载cuDNN v4,添加到CUDA7.5 根据https://github.com/Microsoft/caffe进行安装 需要下载的附加包已传到百度云 NugetPackages 与caffe文件夹并列存放 运行测试结果如图

TX2上安装spi和uart驱动

替换/boot目录下的Image文件 重新烧写dtb文件.烧写方式参考. 文件下载 原文地址:https://www.cnblogs.com/xiaojianliu/p/9765512.html

如何在Windows上安装和使用Caffe

在windows上安装caffe是比较麻烦的一件事情,需要安装glogs.boost等一大堆依赖库,还可能遇到库之间不兼容的问题,下面的链接提供了VS2013编译好的各种库,但是依然会有caffe源代码与这些库不匹配的问题, https://www.cnblogs.com/hzm12/p/6422701.html 因此最直接的方法就是别人直接给我们编译好exe. https://github.com/microsoft/caffe/releases 原文地址:https://www.cnblog