@w460461339
2020-03-19T11:28:57.000000Z
字数 2461
阅读 7961
MachineLearning
微众银行
目标:
在xavier上配置tensorRT及其附属环境,使其能够正常运行从pytorch/tensorflow/mxnet转换过来的模型。
步骤:
1、确认基础环境
2、pycuda安装,没有版本限制
3、onnx安装,必须是1.5.0
4、onnx-to-tensorRT安装
5、pytorch && torchvision安装(可选)
硬件环境:
1、xavier
2、PC机
确保可以通过pc机ssh进入xavier。
输入 ‘head -n 1 /etc/nv_tegra_release’ 输出内容和下列内容一致
# R32 (release), REVISION: 3.1, GCID: 18186506, BOARD: t186ref, EABI: aarch64, DATE: Tue Dec 10 07:03:07 UTC 2019
若没有安装,那么:
https://developer.nvidia.com/embedded/jetpack
https://blog.csdn.net/Tosonw/article/details/103990404
PS:需要准备一台x86的linux机器。
输入 ‘dpkg -l | grep TensorRT’
输出
输入 ‘cat /etc/lsb-release’ 查看。
输入‘gcc -v’查看。
https://blog.csdn.net/huiyuanliyan/article/details/97112360
sudo gedit ~/.bashrc
export PATH=/usr/local/cuda-10.0/bin:$PATH
source ~/.bashrc
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64
pip3 install pycuda --user -i https://pypi.tuna.tsinghua.edu.cn/simple
import无误表示成功
必须是1.5.0
sudo pip3 install onnx==1.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装这一环境的原因,是由于所依赖的检测模型,经过如下转换过程:
原始pytorch/mxnet模型->onnx模型->tensorRT-engine
后,发现tensorRT-engine版本的模型无法加载。
故退而求其次,利用以tensorRT为backend的onnx作为驱动,来实现对模型的加速。
为达到这样的目标,仅需要将模型转换到onnx,但需要额外安装onnx-to-tensorRT环境
onnx-to-tensorRT:
链接:https://pan.baidu.com/s/1VyLncqzp9y44IhYOeWgpJg 密码:jt0j
第三方依赖
链接:https://pan.baidu.com/s/1nHpimwULI6SOYy-gokguoQ 密码:fws6
1)下载&解压后,你会得到如下文件。
2)进入onnx-tensorrt-release-6.0中的third-party文件夹,删除里面onnx文件夹。
cd <your path>/onnx-tensorrt-release-6.0/third_party
rm -rf onnx
# 此时还在third_party文件夹内
cp -r <your path>/onnx-765f5ee823a67a866f4bd28a9860e81f3c811ce8 ./onnx
third_parth文件夹内部看起来就是这个样子
cd ..
pwd # 输出路径应该以onnx-tensorrt-release-6.0结尾
mkdir build
cd build
cmake .. -DCUDA_INCLUDE_DIRS=/usr/local/cuda/include -DTENSORRT_ROOT=/ust/src/tensorrt -DGPU_ARCHS="53"
make -j4
sudo make install
0)安装PILLOW
确保pillow的版本在7以下.
1) 环境下载
torch1.2.0下载
链接:https://pan.baidu.com/s/1ZO1mjsdehG2PBCq3ZWcT-w 密码:i2xp
torch_vision 0.4.0下载
链接:https://pan.baidu.com/s/1YGrOKpEbjqqCFRkpoXx6ZA 密码:x9hh
sudo pip3 install torch-1.2.0a0+8554416-cp36-cp36m-linux_aarch64.whl
unzip vision-0.4.0.zip
cd vision-0.4.0
sudo python3 setup.py install