Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)

Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRT

Yolov--3--TensorRT中yolov3性能优化加速（基于caffe）

yolov-5-目标检测：YOLOv2算法原理详解

yolov--8--Tensorflow实现YOLO v3

yolov--9--YOLO v3的剪枝优化

yolov--10--目标检测模型的参数评估指标详解、概念解析

yolov--11--YOLO v3的原版训练记录、mAP、AP、recall、precision、time等评价指标计算

yolov--12--YOLOv3的原理深度剖析和关键点讲解

---

2019-8-18：

在Jetson Nano (TX1/TX2)上使用Anaconda与PyTorch 1.1.0

虚拟环境配置（非常重要!）：

https://zhuanlan.zhihu.com/p/64868319

https://devtalk.nvidia.com/default/topic/1049071/jetson-nano/pytorch-for-jetson-nano/

PyTorch v1.1.0、Python 3.6

1. wget https://nvidia.box.com/shared/static/j2dn48btaxosqp0zremqqm8pjelriyvs.whl -O torch-1.1.0-cp36-cp36m-linux_aarch64.whl
2. pip3 install numpy torch-1.1.0-cp36-cp36m-linux_aarch64.whl

https://blog.csdn.net/beckhans/article/details/91386429

---

文末有微信群，欢迎小伙伴们加入，一起交流学习玩耍~

当前博主的Nano更新的版本为：Jetpack 4.2, cuda10.0, cudnn7.3.1, opencv3.3.1, TensorRT5.0.6,

系统内核：tegra-ubuntu 4.9.140-tegra  aarch64， Linux系统版本：Ubuntu18.04，cmake 3.5.1

更新后为Python3.6.7（还装有Python：2.7.15），pip19.0.3，setuptools-40.8.0 ， Numpy1.16.2

Tensorflow1.13.1
内存：4G+硬盘128G（自装的内存卡）

1、Jetson-Nano开箱配置-刷机教程

1.1 官网教程

The NVIDIA® Jetson Nano™ Developer Kit is a small AI computer for makers, learners, and developers. After following along with this brief guide, you’ll be ready to start building practical AI applications, cool AI robots, and more.

 

• microSD card slot for main storage
• 40-pin expansion header
• Micro-USB port for 5V power input or for data
• Gigabit Ethernet port

• USB 3.0 ports (x4)
• HDMI output port
• DisplayPort connector
• DC Barrel jack for 5V power input
• MIPI CSI camera connector

配件
光有一个开发板还不够，你还需要至少如下配件：

1. 能提供电源的电源插座一个
2. （必需）TF卡一个，至少16GB，注意一定要至少16GB的，Jetson-nano的os image解压之后就有12G，太小的TF卡根本装不下。
3. （必需）USB供电装置，Jetson-nano虽然支持DC5V和micro-usb5V两种供电方式，但是谁家正好有DC5V的接头，反而是USB谁家都有，所以USB是首选供电方式。这里需要注意，虽然官方文档指出，Jetson-nano只需要5V2A的供电设备就可以工作，但是很多人手里的USB充电头可能是三无产品，有虚标的现象，同时，USB线材的质量也会影响供电效果。dwSun用的是小米家的USB充电头，支持快充，标称5V2.5A功率18W，目前看使用没啥问题。USB线则是一个20cm长的短线。
4. （选配）usb网卡，因为Jetson-nano有一个RJ45的插口，所以可以直接插网线用，但是多一根线总是看着心烦不是。用树梅派的时候，dwSun注意到，usb网卡偶尔不是很稳定，rpi3代以后的板载wifi也是。倒是在jetson-nano上，开机几天了，usb网卡还算好用，也没出啥问题。
5. （选配）网线，这个没啥好说的，随便找一个就行了，5类6类都行。嵌入式设备，网络通信量不至于很大。

有上述配件，就足够jetson-nano的日常使用了。不过初次安装的时候，还需要做一些配置，所以需要一些额外的配件，这里列举如下：

hdmi的显示器和相应的数据线，或者DP接口也可以
usb键鼠

1.2 下载Jetson-nano的OS镜像

Jetson-nano的OS，跟树梅派等一些小型开发板卡一样，都是放在TF卡里面，插到板子上面的。

跟普通PC的安装光盘镜像（ISO）不同，这些嵌入式设备的OS安装镜像一般是一个img文件，直接写入TF卡。

从这里：  https://developer.nvidia.com/embedded/dlc/jetson-nano-dev-kit-sd-card-image

下载安装镜像。得到jetson-nano-sd-r32.1-2019-03-18.zip文件，解压后得到jetson-nano-sd-r32.1-2019-03-18.img文件。

文件比较大，zip文件都有5G多，下载真的要点时间。
 

2、镜像文件写入microSD卡

Nvidia官方推荐使用Etcher将下载的img文件写入TF卡。

Etcher支持Mac，Linux，Win三个平台，鼠标操作，确实值得一试。

https://www.balena.io/etcher/

3、安装和首次启动

       Nvidia这次的Nano开发板没有保护壳和支架，很很容易造成静电干扰、击穿以及其他物体短路的情况，Nvidia为了解决这个问题设计了可以伸缩的纸质支架，和包装盒浑然一体，虽然极具创意，但是还不是长久之计。于是乎博主自己设计了一款nano的保护外壳以及风扇。原装纸质支架具体安装以及步骤如下：

1. 展开纸架并放入显影套件箱内。
2. 将显影套件放在纸架顶部。
3. 将microSD卡（系统映像已写入其中）插入Jetson Nano模块底部的插槽中。
4. 打开计算机显示器电源并连接它（需要HDMI的显示器）。
5. 连接USB键盘和鼠标。
6. 连接Micro-USB电源（5V⎓2A）。Jetson Nano Developer Kit将自动开机并启动。

 
开发人员套件开机后，Micro-USB连接器旁边的绿色LED指示灯将亮起。当你第一次启动时，Jetson Nano Developer Kit将引导你完成一些初始设置，包括：

1. 查看并接受NVIDIA Jetson软件EULA
2. 选择系统语言，键盘布局和时区
3. 创建用户名，密码和计算机名称
4. 登录

以上设置完成后你会看到这个屏幕。恭喜你已经完成刷机，开启Nano的畅快设计旅程！

---

基本情况
1、安装SD卡，128g。

2、镜像自带系统ubuntu18.04，cuda10，cudnn7,  opencv

3、需要买一个带有Linux驱动的USB无线网卡

问题
新的板子不出点大小问题是不可能的。
当前的版本是Jetpack4.2
Python里面没有numpy，没有TensorFlow，没有我超爱的keras，自带的桌面共享有bug，自动崩溃
电源要求严格，试了很多原装的5v2a电源，几乎都带不动这块板子。已经是用VNC不插外设的状态了，应该是输出不到2a电流。DC的2A电源可用，需要跳线屏蔽micro usb供电，板子上印刷有注释。

---

TensorFlow1.13.1的安装

直接用C/C++来做部署无疑是有最高运行效率的，但是开发起来就有点蛋疼，一般的做法是用python直接做模型的开发调试，到最终部署的时候，视需求决定是否用C/C++来部署最终的模型。

所以，如果在Jetson nano上有一个Python版本的深度框架，无疑可以极大的提高开发的效率。

目前，Nvidia官方只给除了Tensorflow在Jetson设备上的安装指南，甚至还提供了一个Nvidia编译版本的Tensorflow可以直接安装，dwSun也是寻寻觅觅了一段时间才发现。

安装相关的依赖库和工具
sudo apt-get install libhdf5-serial-dev hdf5-tools zlib1g-dev zip libjpeg8-dev libhdf5-dev  python3-pip

系统里面默认是没有python3-pip的，所以需要自己安装。

pip的配置
默认pip是直接从pypi服务器下载这些库的，但是pypi也是在海外的，所以为了下载更快，这里进行一些简单的配置，使用国内pip源，这里使用的是ali的pip源，配置文件如下：

[global]

trusted-host = mirrors.aliyun.com
index-url = http://mirrors.aliyun.com/pypi/simple

修改配置文件

cd ~
mkdir .pip
nano .pip/pip.conf   # 将上述配置内容写入配置文件即可

安装相关的python库
pip3 install -U numpy  # 需要编译安装，用时很长，所以单独安装
pip3 install -U h5py # 需要编译安装，用时非常长，我的板子装这个20多分钟才装完
pip3 install -U grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor

安装过程可能会出现一些错误，如网络错误等，所以需要仔细看一下最终安装的结果，确认安装确实完成了。

安装TensorFlow
pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu

这么安装是直接从网站上下载wheel文件的，也可以用下载工具先去

---

https://developer.download.nvidia.com/compute/redist/jp/v42       法2：下载好，再用pip执行本地安装。（推荐）

这个过程同样很漫长，而且还要装一些额外的东西。
 

sudo pip install --ignore-installed --upgrade tensorflow_gpu-1.3.0-cp36-cp36m-linux_x86_64.whl

Installing collected packages: six, setuptools, protobuf, numpy, h5py, keras-applications, absl-py, markdown, werkzeug, wheel, grpcio, tensorboard, keras-preprocessing, gast, pbr, mock, tensorflow-estimator, astor, termcolor, tensorflow-gpu
Successfully installed absl-py-0.7.1 astor-0.7.1 gast-0.2.2 grpcio-1.20.0 h5py-2.9.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.1 mock-2.0.0 numpy-1.16.2 pbr-5.1.3 protobuf-3.7.1 setuptools-41.0.0 six-1.12.0 tensorboard-1.13.1 tensorflow-estimator-1.13.0 tensorflow-gpu-1.13.1+nv19.4 termcolor-1.1.0 werkzeug-0.15.2 wheel-0.33.1

 

qhy@qhy-desktop:~/software-1$ python
Python 3.6.7 (default, Oct 22 2018, 11:32:17) 
[GCC 8.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as
as       ascii(   assert   
>>> import tensorflow as tf
>>> tf._version_
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: module 'tensorflow' has no attribute '_version_'
>>> tf.__version__
'1.13.1'

安装keras

先安装libhdf5-dev、python-h5py，之后再安装keras

sudo apt-get install libhdf5-dev
sudo apt-get install python-h5py
sudo pip3 install keras

 

2、交流讨论

微信交流群：小伙伴们，欢迎加入下面群一起交流玩耍~

欢迎邀请其他小伙伴进群哦~~

参考：

https://blog.csdn.net/dvd_sun/article/details/88975005

https://blog.csdn.net/dvd_sun/article/details/88975005#commentBox